【Adv.Sci】CACLENS：一种用于酶发现的多任务深度学习系统

背景：深度学习在酶结构、功能预测方面取得进展，但现有模型存在多模态学习和多任务预测能力不足的问题，限制了功能性酶的高效筛选。研究目的：为了解决这些挑战，本文提出了CACLENS（Cross-Attention & comparative learning -enabled Enzyme Selection），一种融合自定义门控、对比学习和交叉注意机制的多任务深度学习框架，旨在实现反应类型分类、EC数预测和反应可行性评估，以高效筛选生物合成和生物降解所需的酶。结论：CACLENS在三个关键任务中表现出稳健性能，且计算资源需求较少。通过案例研究，成功预测并表达出高效的玉米赤霉烯酮降解酶，验证了其有效性。该系统已部署为在线服务器，可促进工业酶的发现。