师范大学教授发表Science后，又以第一作者身份发表《Nature》

本文聚焦酶底物特异性预测这一关键科学问题。研究背景在于酶虽具有高效催化特性，但多数酶的底物特异性尚未明确，限制了其在生物工程和药物设计中的应用。研究目的是开发一种基于交叉注意力机制的SE(3)-等变图神经网络EZSpecificity，通过整合序列与结构数据实现对酶底物识别规律的高效学习。研究结论表明，该模型在未知酶和未知底物数据集上的预测准确率显著优于传统方法，在卤化酶测试体系中准确率达91.7%，为解析生物催化多样性提供了创新工具，展现了人工智能在生命科学领域的应用潜力。