一种预测酶催化效率并评估预测可信度的方法

本发明公开一种预测酶催化效率并评估预测可信度的方法，属于生物信息学与酶催化理论计算领域。本发明通过双线性注意力机制的证据深度学习模型，利用双线性注意力网络重点学习酶和底物之间的局部相互作用，并通过证据深度学习层能够有效评估kcat/Km预测值的不确定性。本发明实现了目前最佳的kcat/Km预测性能，同时可为预测结果提供不确定性评估。这种不确定性信息将提供更有信心的预测，可用来指导更准确地筛选高活性的目标酶，进而加速高活性酶的定向进化进程。同时本发明通过可视化关键残基和底物原子，为酶‑底物相互作用的提供可解释见解，进而为酶催化底物的机理研究起到一定的辅助作用。