PlantPTM研究登上《Molecular Plant》封面并入选Featured Article

ZLab主导完成的研究“PlantPTM: A deep learning framework integrating protein language models with multi-view features for predicting diverse post-translational modification sites in plants”登上《Molecular Plant》2026年10月5日出版的第19卷第10期封面，并获选期刊Featured Article。

本期封面以艺术化视觉呈现植物蛋白质翻译后修饰（PTM）生物学与人工智能的交汇：蛋白质结构及其多种修饰标记与智能网络相互融合，并以植物和作物元素连接基础研究与农业应用，呼应PlantPTM以AI加速植物蛋白质组学和PTM发现的研究主题。

PlantPTM面向植物蛋白质翻译后修饰位点预测，融合蛋白质语言模型、卷积神经网络、双向门控循环单元以及PSSM和one-hot等多视角特征，并通过自注意力机制实现特征整合。该框架覆盖6种植物和9类翻译后修饰，性能优于25种现有PTM预测方法，为不同物种、不同修饰类型提供统一且可扩展的预测方案。

研究团队还上线了免费的PlantPTM预测服务，支持蛋白质序列批量提交、候选位点置信度排序和结果可视化。研究将为植物功能蛋白质组学、作物分子育种以及植物合成生物学提供有力的AI工具。