← All reading
Tools & workflows

CLEAN Database: finding candidate enzymes across over 55 million sequences

CLEAN Database connects enzyme-function predictions for over 55 million protein sequences with search, filtering, and mutation scoring. A guide to its uses and the limits of prediction confidence and ESM-2 scores.

Published · 4 min · Chinese body text

找酶、查功能、筛候选，CLEAN 有了数据库版。2026年10月15日，伊利诺伊大学厄巴纳—香槟分校赵惠民团队在 Nucleic Acids Research 发表 CLEAN Database，将酶功能预测做成可直接检索、筛选和下载的开放资源。

CLEAN Database 概念封面：把蛋白序列的功能预测整理成可检索的图鉴
BioAIDesign 概念插画。封面蛋白形状不代表真实结构或实验结果；点击图片可查看原尺寸。

从模型到5500万条序列

CLEAN 最初发表于2023年的 Science，通过对比学习预测酶的 EC 功能分类。本次研究从 UniProt 超过2.5亿条蛋白序列出发，经置信度与序列长度过滤，最终收录超过5500万条序列的功能预测，覆盖七大 EC 酶类别。

这里的规模指带有预测功能注释的序列，不是5500万个经实验验证的酶。置信度可以帮助排序与筛选，但高置信度仍不等于已经获得实验验证。

CLEAN Database 原论文 Figure 1：七大 EC 类别的记录数量，以及各类别的预测置信度分布
Yuan et al.（2026），Figure 1，Nucleic Acids Research，CC BY-NC 4.0。原图保留数据、配色、图例与 panel 字母；BioAIDesign 增补中文说明和外框排版。

按功能找候选酶

数据库支持 EC 号、蛋白名称、基因名、物种与 UniProt 编号检索。结果中可以查看预测功能、置信度、蛋白序列，以及可用的底物和产物信息；还可以按物种、置信度等条件筛选，导出 CSV 继续分析。

已知目标反应的 EC 号时，可以先检索不同物种的候选酶，再结合序列特征和预测置信度缩小实验范围。数据库无需登录即可访问，也提供 API 供批量查询。

CLEAN Database 原论文 Figure 2：按 EC 功能检索的候选蛋白列表、序列注释与反应信息
Yuan et al.（2026），Figure 2，Nucleic Acids Research，CC BY-NC 4.0。界面来自论文原图；中文说明与外框为排版增补，未改动图中的记录与分数。

把突变评分放回结构中看

输入一条蛋白序列，平台可用 ESM-2 评估单点氨基酸替换，通过热图、三维结构与明细表联动展示。研究者可以结合催化残基、底物结合口袋等信息，挑选值得实验测试的突变。

需要区分两种评分：EC 预测置信度用于评估功能注释的可靠程度；ESM-2 的 LLR 主要反映模型学习到的序列相容性。LLR 高分不能直接当成酶活性提高，也不能替代突变后的功能测定。

CLEAN Database 原论文 Figure 3：蛋白序列、单点替换热图、结构显示与突变评分表联动
Yuan et al.（2026），Figure 3，Nucleic Acids Research，CC BY-NC 4.0。保留原图 panel 与界面，增补中文说明。界面中的有利／不利标签属于模型评分解释，不是实验活性结论。

来源与使用边界

CLEAN Database 适合作为候选酶检索和突变库规划的入口。关键候选仍应回到原始注释、研究文献与实验验证，不宜仅凭数据库分数作功能定论。

论文图以非商业科普解读用途按 CC BY-NC 4.0 使用，作者署名、论文链接与许可链接保留在对应图注中。本网页沿用已完成的图文排版，将图片无损转换为 WebP；未裁切原图数据或重新绘制结果。

Continue exploring: Tools & workflows →