1. 酶与底物数据来源

1.1 酶数据来源

酶数据来源: 酶数据主要来自蛋白质数据库，焦点是序列、3D结构和功能信息。

• UniProt：全面蛋白质数据库，提供酶序列、功能注释、相互作用和通路信息。适合初学者查询特定酶（如ID: P12345）。
  访问：https://www.uniprot.org/，支持FASTA格式下载。
• PDB (Protein Data Bank)：专注于酶的3D结构数据（如晶体结构），有助于理解催化机制。
  访问：https://www.rcsb.org/，下载PDB文件。
• BRENDA：酶专属数据库，包含酶-底物动力学数据（如Km值）、抑制剂和来源，从文献挖掘而来。
  访问：https://www.brenda-enzymes.org/，通过KENDA工具自动化提取。

1.2 底物数据来源

底物数据主要来自化合物数据库，焦点是化学结构、生物活性和安全性。

• PubChem：免费化合物库，提供底物SMILES、3D结构、生物活性数据。适合搜索特定底物（如D-glucose）。
  访问：https://pubchem.ncbi.nlm.nih.gov/，支持批量下载。
• ChEMBL：药物相关数据库，包含底物与酶的交互数据、生物活性（如IC50）和药理信息。
  访问：https://www.ebi.ac.uk/chembl/。

2. 酶与底物特征提取

酶与底物特征提取是酶工程的核心步骤，用于将生物/化学数据转化为数值向量，便于机器学习预测交互、催化活性等。作为新手，可理解为“量化”酶（蛋白质）和底物（化合物）特性。

2.1 酶特征提取（主要针对蛋白质序列/结构）

序列-based：One-Hot编码（氨基酸二进制表示）；氨基酸组成（AAC，比例统计）；预训练模型如ESM（生成嵌入向量，捕捉进化信息，文件示例输出320维张量）。
结构-based：二级结构比例（如螺旋/片层，从PDB提取）；功能基序扫描。
理化-based：疏水性、电荷等属性（AAindex数据库）。
工具：ESM、iFeature、Biopython。

2.2 底物特征提取（主要针对SMILES/3D结构）

指纹方法：Morgan指纹（圆形子结构比特向量，示例1024维）；MACCS键（166位功能团）。
编码方法：One-Hot（原子类型矩阵）。
图神经网络：MPNN/GCN（分子图嵌入，320维）。
3D方法：分子描述符（形状/惯性矩，RDKit计算）；Coulomb矩阵（静电交互特征值）。
工具：RDKit、PyTorch Geometric。
这些方法常结合使用（如ESM+RDKit），应用于酶优化或药物设计。强调清洗数据（如标准化SMILES）和可视化（如t-SNE聚类）。