EnzyControl: 효소 백본 생성에 기능적 및 기질 특이적 제어 기능 추가

EnzyControl: Adding Functional and Substrate-Specific Control for Enzyme Backbone Generation

October 29, 2025

저자: Chao Song, Zhiyuan Liu, Han Huang, Liang Wang, Qiong Wang, Jianyu Shi, Hui Yu, Yihang Zhou, Yang Zhang

cs.AI

초록

기질 특이적 기능을 갖는 효소 백본 설계는 계산 단백질 공학의 핵심 과제입니다. 기존 생성 모델은 단백질 설계에서 뛰어난 성능을 보이지만, 결합 데이터 부족, 기질 특이적 제어의 한계, 그리고 데노보 효소 백본 생성의 유연성 측면에서 한계를 보입니다. 이를 해결하기 위해 우리는 PDBbind에서 특별히 선별한 11,100개의 실험적으로 검증된 효소-기질 쌍으로 구성된 EnzyBind 데이터셋을 소개합니다. 이를 기반으로 효소 백본 생성에서 기능적 및 기질 특이적 제어가 가능한 EnzyControl 방법을 제안합니다. 우리의 접근법은 선별된 효소-기질 데이터에서 자동 추출된 MSA로 주석 처리된 촉매 부위와 해당 기질에 조건부로 효소 백본을 생성합니다. EnzyControl의 핵심은 사전 훈련된 모티프-스캐폴딩 모델에 통합된 경량 모듈식 구성 요소인 EnzyAdapter로, 모델이 기질 인식 능력을 갖추도록 합니다. 2단계 학습 패러다임은 정확하고 기능적인 효소 구조 생성 능력을 추가로 개선합니다. 실험 결과, 우리의 EnzyControl은 EnzyBind 및 EnzyBench 벤치마크에서 구조적 및 기능적 지표 전반에 걸쳐 최고 성능을 달성했으며, 기준 모델 대비 설계 가능성에서 13%, 촉매 효율에서 13%라는 특히 두드러진 향상을 보였습니다. 코드는 https://github.com/Vecteur-libre/EnzyControl에서 공개되었습니다.

English

Designing enzyme backbones with substrate-specific functionality is a critical challenge in computational protein engineering. Current generative models excel in protein design but face limitations in binding data, substrate-specific control, and flexibility for de novo enzyme backbone generation. To address this, we introduce EnzyBind, a dataset with 11,100 experimentally validated enzyme-substrate pairs specifically curated from PDBbind. Building on this, we propose EnzyControl, a method that enables functional and substrate-specific control in enzyme backbone generation. Our approach generates enzyme backbones conditioned on MSA-annotated catalytic sites and their corresponding substrates, which are automatically extracted from curated enzyme-substrate data. At the core of EnzyControl is EnzyAdapter, a lightweight, modular component integrated into a pretrained motif-scaffolding model, allowing it to become substrate-aware. A two-stage training paradigm further refines the model's ability to generate accurate and functional enzyme structures. Experiments show that our EnzyControl achieves the best performance across structural and functional metrics on EnzyBind and EnzyBench benchmarks, with particularly notable improvements of 13\% in designability and 13\% in catalytic efficiency compared to the baseline models. The code is released at https://github.com/Vecteur-libre/EnzyControl.