🔬 DLKcat이란?

2025년 08월 21일

DLKcat Kcat 예측 효소 활성 딥러닝 SMILES FASTA 효소 공학

DLKcat은 단백질 서열과 리간드 구조만으로 효소의 Kcat(촉매 속도 상수)을 빠르게 예측할 수 있는 딥러닝 기반 모델입니다. 구조 예측 없이도 돌연변이나 신효소 후보의 활성 분석에 활용할 수 있습니다.

0%

목차

목차

DLKcat 은 특정 기질(ligand) 에 대한 효소의 Kcat (초당 촉매 활성도) 를 예측하는 딥러닝 기반 회귀 모델 입니다. 복잡한 구조 예측이나 docking 없이도, 단백질 서열과 리간드 구조 정보만으로 Kcat 값을 수치적으로 예측할 수 있습니다.

참고: 학습 데이터로는 BRENDA DB를 사용하며, Kcat 값을 단위는 1/s입니다.

🧪 우리 플랫폼에서 어떻게 제공되나요?

우리 플랫폼에서는 DLKcat 분석 기능을 간단한 입력만으로 제공합니다. FASTA 서열과 SMILES 구조를 입력하면, 효소-기질 쌍에 대한 Kcat 예측 결과를 빠르게 확인할 수 있습니다.

파라미터 설정이 필요 없어 사용이 간편하며, 대규모 변이체 스크리닝에도 활용 가능합니다.

📝 사용 방법 안내

1. 작업 이름 지정

• 예: DLKcat_Kcat_test1

2. 입력 방식 선택

• 단백질 서열 (FASTA 형식)
• 리간드 구조 (SMILES 형식)

3. 파라미터 설정

• 별도 옵션 없음 (기본 설정으로 자동 분석)

4. 결과 확인

• 예측된 Kcat 값 (단위: s⁻¹)
• 값이 클수록 해당 효소가 기질을 더 빠르게 처리함

Job Name: DLKcat_Kcat_test1
입력값 예시:
FASTA: >sp|P12345|...
SMILES: CCOC(=O)C1=CC=CC=C1

🧬 분석 결과 활용 예시

• 돌연변이 효과 분석: 다양한 변이 서열에 대해 Kcat 비교
• 생합성 경로 최적화: 경로 효소들의 상대적 효율성 분석
• 효소 스크리닝: 고활성 효소 후보를 선별하는 전처리 과정

⚠️ 주의사항

항목	내용
입력 형식	단백질 서열: FASTA / 기질 구조: SMILES
분석 대상	효소-기질 1:1 매핑 필수
해석 기준	Kcat은 비교용 수치이므로 절대값보다는 상대 비교에 적합

✅ 마무리

DLKcat은 Kcat 예측을 통해 효소의 기능적 활성을 빠르게 비교할 수 있는 실용적 도구입니다. Protenix, PIGNET2 등과 연계하여 구조 안정성과 결합 친화도까지 고려한 통합적 효소 설계 및 평가가 가능합니다.

지금 바로 DLKcat 분석 페이지에서 직접 사용해보세요!