这篇文章记录一个”没做成”的项目。它没有漂亮的 SOTA 数字,没有”我们首次实现了……”的句式。但它有 139 个通过的单元测试、SHA256 冻结的文件清单,以及一个我花了三个月才学会的教训:模型复杂度的增加,不等于科学问题的推进。
问题:酶工程中的”选谁”
酶工程的核心决策不是”怎么改”,而是”改谁”。当你面对一个代谢途径的 50 个候选酶,需要预测哪个酶的 kcat(催化转换数)最高——这就是酶候选排序问题。
现有方法(如 DLKcat)只看蛋白序列。但直觉告诉我:酶好不好用,不只取决于酶本身,还取决于它和底物的匹配、它来自什么生物体、它催化什么类型的反应。
于是 BioCandidateRanker 的设计思路是”多模态融合”:
输入:
├─ 蛋白序列 → 分块注意力(Chunked Attention)
├─ 底物分子图 → 稀疏消息传递(Sparse MPNN)
├─ 生物体/EC/反应上下文 → 嵌入拼接
└─ (可选) FBA 通量特征 → COBRA 模拟
输出:
log₁₀(kcat) 预测 + 异方差高斯不确定性
536,520 个参数,64 维隐藏层。不大,但结构精心设计。
内部基准:多模态被指纹追平
我用 MMseqs2 做了严格的同源冷切分(30% identity, 80% coverage),确保测试集与训练集无序列同源。三种种子取均值:
| 模型 | Test RMSE | 标准差 |
|---|---|---|
| BioCandidateRanker(多模态) | 1.4699 | ±0.0064 |
| Late-concat(晚期拼接) | 1.4801 | ±0.0230 |
| Morgan MLP(仅分子指纹) | 1.4756 | ±0.0024 |
关键发现:Morgan 指纹 + 一个简单 MLP,几乎追平了精心设计的多模态模型。蛋白序列信息在 kcat 预测中的边际贡献,接近于零。
这个结果刺痛了我,但它是一个真实的科学发现:在现有数据规模下,kcat 的方差主要由底物化学结构解释,而非酶的序列特征。
外部基准:排序能力不存在
内部 RMSE 接近不代表排序能力。酶工程的真实需求是”把好的酶排在前面”。我用了两个外部基准:
EnzEngDB 工程活动排序
从 Zenodo(DOI: 10.5281/zenodo.17310823)获取工程化酶的活动数据,三种子训练:
- Spearman 相关:-0.026 ± 0.080
- 配对准确率:0.524(接近随机掷硬币的 0.5)
IMDH 突变景观
Lunzer 实验室的 IMDH(异柠檬酸脱氢酶)突变体动力学数据(Dryad),直接测 kcat:
- BioCandidateRanker Spearman:-0.166
- DLKcat Spearman:-0.259
- 随机排序期望:0.0
两个方法都是负相关——不如随机。这意味着当前深度学习方法在单点突变 kcat 预测上,不仅没有用,甚至有微弱的反向误导。
为什么失败:一个诚实的诊断
三个月后,我的诊断是:
- 数据瓶颈:BRENDA 的 kcat 数据噪声极大(不同实验室、不同条件、不同底物浓度),训练信号被淹没。
- 任务错配:kcat 是一个高度上下文依赖的量(pH、温度、离子强度),而模型只看到了序列和结构。
- 基线太强:Morgan 指纹编码了底物的完整化学信息,而 kcat 的方差确实主要由”底物是什么”决定。
- 外部分布偏移:训练集(BRENDA 广谱酶)与测试集(工程化突变体)的分布完全不同。
项目的归宿:冻结与开放
2026 年 7 月 27 日,我正式将项目归档为 software-implementation-v1:
- 139 个测试全部通过,Ruff 代码检查清洁
- SHA256 文件级冻结(可精确复现任何一次实验)
- 所有数据切分、随机种子、超参数写入 manifest
- 科学状态:
blocked_pending_external_data
我没有删除代码,也没有假装它”还有潜力”。它被诚实地标记为:软件可用,科学结论为负面。
下一步是写一篇 benchmark/negative-result 方法论文,标题大概是:“多模态融合不能拯救酶动力学预测:一个系统性负面结果”。负面结果不丢人,藏着负面结果才丢人。
哲学小结
这个项目教会我的,比任何一个”成功”的项目都多。
“无性之美”在这里体现为工程的精确性:139 个测试、SHA256 冻结、三种子协议——每一个数字都可追溯、可复现。但”有性之美”——那个我期待的”多模态碰撞产生新洞察”的涌现——没有发生。
不是所有杂交都能产生有活力的后代。有时候,你精心设计的多模态融合,不如一个 1024 位的分子指纹。承认这一点,本身就是科学。
—— 琉卜 齐鲁工业大学(山东省科学院)