祝贺！南京师范大学：第一作者！Nature+1！

近日，南京师范大学生命科学学院崔海洋教授为第一作者的研究论文“Enzyme specificity prediction using cross attention graph neural networks”，以“加快评审文章”（Accelerated Article Preview，AAP）的形式在线发表于Nature杂志。AAP 作为Nature杂志的提前在线发布形式之一，是对期刊编辑、同行科学家认为的具有重大科学意义研究成果的加速报道。

该研究提出了一种结合跨注意力机制（Cross-Attention）与SE(3)-等变图神经网络（GNN）的创新模型EZSpecificity，可高精度预测酶的底物特异性，为人工智能在酶工程、合成生物学和绿色制造中的深度应用奠定了新的方法学基础。

酶是生命体系中至关重要的分子机器，在生物体内承担着几乎所有的催化反应过程。由于其具有高效催化活性和高度选择性，酶被广泛应用于生物医药、绿色化工、合成生物学及环境修复等领域。与传统的化学催化剂相比，酶催化体系具有高反应速率、温和反应条件和出色的底物选择性等优点，能够实现高效而精准的化学转化。然而，酶的一个关键特性——底物特异性（substrate specificity），至今仍未被充分理解。许多酶虽然具备催化潜能，但其能够作用的底物范围尚不明确，这严重限制了它们在生物工程和药物设计中的实际应用。尤其是，当前已知的数百万种酶中，大多数缺乏可靠的底物特异性信息，这给生物催化多样性解析和功能预测带来了巨大挑战。

美国伊利诺伊大学厄巴纳-香槟分校（UIUC）赵惠民教授团队、南京师范大学崔海洋教授等在酶底物特异性预测方面取得了重要突破。该团队基于机器学习与结构生物学的交叉理念，设计了一种基于交叉注意力机制的SE(3)-等变图神经网络架构（EZSpecificity）。这一模型通过在序列与结构两个层面上构建大规模酶–底物相互作用数据库进行训练，从而实现了对酶底物识别规律的高效学习。与传统模型相比，EZSpecificity在未知酶和未知底物数据集上的预测准确率显著提升。进一步的实验结果表明，该模型在八种卤化酶（halogenases）和78种底物体系中的预测准确率高达91.7%，远超现有最先进模型ESP的58.3%。该研究不仅为精确预测酶的底物特异性提供了通用化工具，也为揭示自然界生物催化的结构—功能关系奠定了基础，展示了人工智能在生命科学与生物催化研究中的巨大潜力。

本研究由UIUC赵惠民教授团队主导完成，南京师范大学崔海洋教授在模型优化、数据整理及实验验证等方面作出了核心贡献，共一作者苏雨峰博士和Tanner J. Dean博士研究生分别承担模型搭建和ESIBank结构数据处理相关工作。主要研究工作由崔海洋在UIUC赵惠民教授实验室开展博士后研究期间完成，文章撰写与投稿阶段获得了南京师范大学微生物改造技术全国重点实验室（南京）和江苏省合成生物基础研究中心的大力支持。

崔海洋，南京师范大学生命科学学院教授，博士生导师，微生物改造技术全国重点实验室固定成员，煤炭重大专项-青年首席，国家级青年人才（海外），江苏省特聘教授。2016年硕士毕业于中科院天津工业生物技术研究所（导师：郭瑞庭教授）；2020年，博士毕业于德国亚琛工业大学（导师：UlrichSchwaneberg教授）；同年，进入德国DWI-莱布尼茨互动材料研究所进行博士后研究；2021-2023年于美国伊利诺伊大学厄巴纳-香槟分校继续进行博士后研究（导师：Huimin Zhao教授）。2024年加入南京师范大学，组建“人工智能与工程生物学”研究团队，搭建超算平台Infinity（无穷生物超算集群）。已发表SCI论文52篇，其中一作通讯（含共同）27篇（Top22篇，包括Nature、Science、Angew.Chemi.、Nat.Commun.等；封面文章7篇；HotPaper4篇）；申请专利7项，授权2项；并应邀在国际权威丛书Methods in Molecular Biology分别撰写独立章节3章。