用蛋白质语言模型对AAA超家族进行机制分类

研究者提出基于CatFunc轻量级蛋白质语言模型（PLM）的机器学习框架，将AAA超家族按ATP水解与机械做功偶联的5种模式建立层级分类方案，并利用蛋白质组序列的进化信息进行有监督分类。验证显示该方案对机制注释召回良好，系统性误分类还揭示了旋转马达类共享的进化与机制起源。在分布外蛋白质组数据中，限制推断于孤立AAA结构域可显著提升新序列分类准确率。