本文系统综述了机器学习（ML）在酶动力学参数预测中的应用，包括kcat、Km、kcat/Km和Ki的建模方法。全球模型如CatPred和OmniESI ...

酶动力学参数（Kcat和Km）预测研究提出TCNeKP模型，通过序列嵌入、时空卷积网络、预训练SMILES编码和RBF条件编码融合特征，实现跨EC类别的参数预测。多任务模型结合注意力机制，在Kcat（R2=0.677）和Km（R2=0.657）预测中均优于现有模型。