ما اولین کسی نیستیم که از ابزارهای هوش مصنوعی برای پیش بینی اعداد کمیسیون آنزیم استفاده می کنیم، اما اولین کسی هستیم که از این الگوریتم یادگیری عمیق جدید به نام یادگیری متضاد برای پیش بینی عملکرد آنزیم استفاده می کنیم. متوجه شدیم که این الگوریتم بسیار بهتر از هوش مصنوعی کار می کند. ژائو گفت: ابزارهایی که توسط دیگران استفاده می شود. ما نمی توانیم تضمین کنیم که محصول همه به درستی پیش بینی می شود، اما می توانیم دقت بالاتری نسبت به دو یا سه روش دیگر داشته باشیم.

سایر ابزارهای محاسباتی سعی در پیش بینی عملکرد آنزیم دارند. به طور معمول، آنها تلاش می کنند تا با مقایسه یک توالی مورد بررسی با کاتالوگ آنزیم های شناخته شده و یافتن توالی های مشابه، یک شماره کمیسیون آنزیمی را اختصاص دهند - یک کد شناسه که نشان می دهد آنزیم چه نوع واکنشی را کاتالیز می کند. به گفته ژائو، با این حال، این ابزارها با آنزیم های کمتر مطالعه شده یا مشخص نشده، یا با آنزیم هایی که چندین کار را انجام می دهند، به خوبی کار نمی کنند.

ژائو گفت که این گروه قصد دارد هوش مصنوعی پشت CLEAN را برای مشخص کردن سایر پروتئین ها، مانند پروتئین های اتصال، گسترش دهد. این تیم همچنین امیدوار است که الگوریتم های یادگیری ماشینی را بیشتر توسعه دهد تا کاربر بتواند واکنش دلخواه را جستجو کند و هوش مصنوعی به یک آنزیم مناسب برای این کار اشاره کند.