kcat–Km v3
прогноз кинетики ферментов
2 мин чтенияобновлено
Модель от VallemKeerthi берёт SMILES субстрата и аминокислотную последовательность фермента и предсказывает log10_kcat и log10_km — логарифмы каталитической константы и константы Михаэлиса. Это не генеративная LLM, а ансамбль табличных регрессоров: признаки субстрата считаются через RDKit, а фермент кодируется ESM-2 35M. ESM-2 работает как int8 ONNX на CPU, а итоговые значения для каждой пары выдаёт смесь ExtraTrees, HistGradientBoosting и kernel nearest-neighbour регрессора. Пригодится в биоинформатике и метаболическом моделировании, когда нужно быстро отранжировать кандидатов до лабораторных экспериментов.
Ключевые особенности
- Одновременно предсказывает две цели:
log10_kcatиlog10_km. - Для субстрата — MACCS keys, folded Morgan counts и RDKit-дескрипторы; для фермента — аминокислотный состав и mean-pooled ESM-2 35M из трёх слоёв.
- Ансамбль ExtraTrees и HistGradientBoosting смешивается с kernel nearest-neighbour регрессором по Tanimoto субстрата и Jaccard 3-mer последовательностей.
- Веса бленда и настройки kNN выбираются по sequence-cluster-grouped cross-validation.
- ESM-стадия ограничена по времени: если последовательность не успели эмбеддить, используется средний эмбеддинг из обучения, чтобы инференс уложился в лимит.
Что можно сделать
- Быстро отранжировать пары «фермент–субстрат» перед лабораторным скринингом.
- Встроить
predict.pyв пайплайн метаболического моделирования или базы ферментов. - Запускать ESM-часть на CPU через int8 ONNX, в том числе в Docker-образе из карточки.
- Переобучить модель на своём parquet-датасете, если есть свои измерения kcat и Km.
Пример
Команды сборки и обучения из карточки:
hf download facebook/esm2_t12_35M_UR50D --local-dir esm2_35M
python export_onnx.py --src esm2_35M --out weights/esm
python train.py --train ../data/train.parquet --esm-dir weights/esm --cv
Подробнее
Числовых бенчмарков в карточке нет.Инференс рассчитан на CPU: ESM-2 35M экспортируется в int8 ONNX.
Ограничение — тайм-бюджет ESM-стадии и fallback на средний эмбеддинг.
Обучение использует sequence-cluster-grouped CV; в репозитории есть Dockerfile и requirements.lock.txt.










Комментарии