EnzSub
让训练期的底物信息，进入只由序列生成的酶表示。
序列相似，
功能未必相同。
酶的序列同源性与催化身份并不总是一致。通用蛋白质语言模型仅依赖序列学习，可能把近缘但催化反应不同的酶排列得更近。
EnzSub 将酶–底物关系作为训练监督：持续预训练适应酶序列分布，底物感知训练引入化学约束，再检查表示是否能支持不同的功能与性质预测任务。
底物参与训练；下游提取酶表示时，只需要氨基酸序列。酶–底物特异性任务的下游读出仍使用底物特征，不能与酶编码器的输入要求混淆。
两类监督，
四种表示。
先适应酶序列，再引入底物监督。通过四状态对照，分开考察两种训练信号的作用。
CPT 使用 1,022,914 条训练酶序列；SUB 使用 17,058 条实验支持的酶–底物关联，覆盖 6,438 个酶与 5,477 个底物。
通用 PLM
ESM-2 / ProtBERT-BFD
CPT
酶序列持续预训练
SUB
底物监督 + LoRA
冻结表示
由序列生成酶表示
底物监督如何进入模型
冻结编码器原始参数，在注意力 Query / Value 投影中加入 LoRA。酶–底物对比学习、理化偏好回归与底物类型分类共同训练酶侧表示。
训练之后如何比较
比较 Base、CPT、Base-SUB 与 CPT-SUB。下游冻结蛋白质表示，采用固定任务读出与对应评价协议，避免把模型结构变化混入表示比较。
查看训练目标与任务路由
三项损失的权重分别为：理化偏好回归 0.15、底物类型分类 0.05、酶–底物对比学习 0.80。ESM-2 650M / 3B 的 LoRA 秩为 16，ProtBERT-BFD 为 4。
最终任务路由只在共享 CPT 起点的 CPT 与 CPT-SUB 间选择，并在训练侧验证中预先固定：EC、ESP、pH 使用 CPT-SUB；Tm、活性位点使用 CPT。这里的路由是固定任务级选择。
训练收益，
随任务而变化。
EC、ESP 与 pH 的变化，与 Tm 和活性位点并不相同。切换任务与骨干模型，查看四种表示的具体表现。
CPT-SUB 相比 Base，MCC 增加 0.0618。
确定性评估 · n = 1
查看数值与数据来源
| 训练状态 | MCC | 标准差 | 重复次数 |
|---|---|---|---|
| Base | 0.5637 | — | 1 |
| CPT | 0.5622 | — | 1 |
| Base-SUB | 0.6090 | — | 1 |
| CPT-SUB | 0.6256 | — | 1 |
来源：EnzSub Source Data，Fig.3a。图中误差线为已有结果的标准差，不代表置信区间。所有对比均在同一骨干模型与任务条件内进行。
当前展示五类任务的主指标，共 72 个结果。数据整理日期：2026-10-14。
这也是保留 CPT 与 CPT-SUB 两种表示的原因：底物监督改善了反应相关信息，部分性质任务更适合 CPT。选择依据来自训练侧验证，而非测试集上的事后挑选。
只替换表示，
接入已有系统。
在 ReactZyme、UniKP 和 Seq2Topt 中，替换蛋白质表示，保留原框架的非蛋白质输入、任务头、划分与训练流程。Seq2Topt 另用输入投影适配维度。
10 个共享随机种子；测试候选集：1,573 个反应。
ReactZyme 酶到反应检索：EnzSub-0.6B 的 MAP 均值由 0.2861 提高至 0.4361。
查看数值与逐次数据
| 表示 | 均值 | 标准差 | n |
|---|
来源：EnzSub Source Data，Fig.5d_bootstrap。
误差线为样本标准差。随机种子与交叉验证折是不同重复单位；此处不把均值差写成统计显著性，也不把训练侧验证写成独立测试。
下载全部逐次数据ReactZyme 提供较明确的受控替换收益；UniKP 与 Seq2Topt 说明不同预测器能够使用 EnzSub 表示。它们采用不同评价协议，结果分别阅读。