文献类型：期刊文章

作　　者：池燕飞[1] 李春[1,2] 冯旭东[1]

CHI Yanfei;LI Chun;FENG Xudong(Key Laboratory of Medical Molecule Science and Pharmaceutical Engineering,Ministry of Industry and Information Technology,Institute of Biochemical Engineering,Department of Chemical Engineering,School of Chemistry and Chemical Engineering,Beijing Institute of Technology,Beijing 100081,China;Key Laboratory for Industrial Biocatalysis,Ministry of Education,Department of Chemical Engineering,Tsinghua University,Beijing 100084,China)

机构地区：[1]北京理工大学化学与化工学院化学工程系生物化工研究所医药分子科学与制剂工程工业和信息化部重点实验室,北京100081 [2]清华大学化学工程系工业生物催化教育部重点实验室,北京100084

出　　处：《生物工程学报》

基　　金：国家自然科学基金(22178025)。

年　　份：2023

卷　　号：39

期　　号：6

起止页码：2141-2157

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EAPJ、EBSCO、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：蛋白质是有机生命体内不可或缺的化合物,在生命活动中发挥着多种重要作用,了解蛋白质的功能有助于医学和药物研发等领域的研究。此外,酶在绿色合成中的应用一直备受人们关注,但是由于酶的种类和功能多种多样,获取特定功能酶的成本高昂,限制了其进一步的应用。目前,蛋白质的具体功能主要通过实验表征确定,该方法实验工作繁琐且耗时耗力,同时,随着生物信息学和测序技术的高速发展,已测序得到的蛋白质序列数量远大于功能获得注释的序列数量,高效预测蛋白质功能变得至关重要。随着计算机技术的蓬勃发展,由数据驱动的机器学习方法已成为应对这些挑战的有效解决方案。本文对蛋白质功能及其注释方法以及机器学习的发展历程和操作流程进行了概述,聚焦于机器学习在酶功能预测领域的应用,对未来人工智能辅助蛋白质功能高效研究的发展方向提出了展望。

关 键 词：人工智能 机器学习  蛋白质功能 功能预测  

分 类 号：Q51]