EpHod
模型介绍
EpHod 是一个用于预测酶催化最适 pH（pHopt）的集成模型。它首先使用 ESM-1v 将氨基酸序列编码为蛋白质表示，再综合残差轻量注意力网络 RLATtr 与支持向量回归模型 SVR 的预测结果。
论文：Machine learning prediction of enzyme optimum pH
模型描述
EpHod 推理链路包含三个部分：
- ESM-1v：将酶序列编码为逐残基 1280 维表示；
- RLATtr：通过残差轻量注意力网络回归 pHopt，同时可输出注意力权重和 2560 维 EpHod 表示；
- SVR：对池化、标准化后的 ESM-1v 表示进行支持向量回归；
- Ensemble：取 RLATtr 与 SVR 预测的平均值作为最终结果。
官方 RLATtr 先在约 190 万条带最适环境 pH（pHenv）标签的蛋白质上预训练，再在 9855 条带催化最适 pH（pHopt）标签的酶数据上微调。输入序列超过 1022 个残基时会截断；为避免池化偏差，当前推理入口固定使用 batch size 1。
适用场景
| 场景 | 说明 |
|---|---|
| 酶最适 pH 预测 | 根据酶的氨基酸序列预测催化最适 pH。 |
| 酶候选初筛 | 对多条候选序列进行相对比较。 |
| 注意力分析 | 可选保存 RLATtr 的逐残基注意力权重。 |
| 蛋白质表征提取 | 可选保存 RLATtr 最终层的 2560 维表示。 |
使用说明
1. OneCode 使用
可通过 OneCode 在线环境体验智能化一键式 AI4S 编程：
2. 手动安装使用
硬件要求
- 支持 CPU 和 PyTorch 支持的加速设备；
- 推荐使用 GPU 或 SCNet DCU 运行 ESM-1v 推理，CPU 可以运行但速度较慢；
- ESM-1v 为 650M 参数模型，实际显存占用随序列长度变化，显存不足时应缩短输入序列或逐条推理。
下载模型包
安装 ModelScope 命令行工具后下载模型：
python -m pip install modelscope
modelscope download --model OneScience/EpHod --local_dir ./EpHod
cd EpHod
安装运行环境
SCNet DCU 环境
conda create -n onescience311 python=3.11 -y
conda activate onescience311
python -m pip install "onescience[bio-dcu]" \
-i http://mirrors.onescience.ai:3141/pypi/simple/ \
--trusted-host mirrors.onescience.ai
在 OneScience 环境基础上安装 EpHod 额外依赖：
python -m pip install --no-deps -r requirements.txt
权重准备
推理需要以下三个文件，缺一不可：
| 资产 | 相对位置 | 用途 |
|---|---|---|
| ESM-1v 650M 权重 | weight/esm1v_t33_650M_UR90S_1.pt |
生成逐残基蛋白质表示。 |
| RLATtr 权重 | weight/ESM1v-RLATtr.pt |
神经网络分支预测。 |
| SVR 模型及标准化统计量 | weight/ESM1v-SVR.pkl |
传统机器学习分支预测。 |
官方来源：
- ESM-1v 主权重
- EpHod RLATtr 权重与训练数据
ESM1v-SVR.pkl随 EpHod 官方仓库发布。
快速推理
以下命令使用一条已验证的 smoke 序列：
python scripts/inference.py \
--fasta_path conf/data/smoke.fasta \
--output_path output/smoke/prediction.csv \
--verbose 1 \
--save_attention_weights 0 \
--save_embeddings 0
完整官方示例：
python scripts/inference.py \
--fasta_path conf/data/test_sequences.fasta \
--output_path output/inference/prediction.csv \
--verbose 1 \
--save_attention_weights 0 \
--save_embeddings 0
结果 CSV 包含三个预测列：
RLATtr,SVR,Ensemble
--output_path 用于直接指定预测 CSV 的完整路径，并会自动创建父目录。原有的 --save_dir 与 --csv_name 参数继续保留；未提供 --output_path 时，输出路径仍由这两个参数组合生成。
保存注意力权重和模型表示
将对应开关设为 1：
python scripts/inference.py \
--fasta_path conf/data/smoke.fasta \
--output_path output/features/prediction.csv \
--save_attention_weights 1 \
--save_embeddings 1
输出包括 attention_weights/、embeddings.csv 和预测 CSV。
OneScience 官方信息
| 平台 | OneScience 主仓库 | Skills 仓库 |
|---|---|---|
| Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |
引用与许可证
- EpHod 论文：Machine learning prediction of enzyme optimum pH
- 官方实现：jafetgado/EpHod，采用 MIT License。
- 模型与数据：Machine learning prediction of enzyme optimal pH。
- 本模型包是在官方实现基础上完成的 SCNet 运行适配与目录整理，不改变论文、官方代码、模型权重、数据集及第三方资源各自的版权声明、许可证和使用条款。