《Biotechnology Advances》：Advances and challenges in the prediction of atom transition maps
编辑推荐：
理解复杂表型如何由大规模生化网络产生，需要超越质量与电荷平衡的化学反应表示。原子转移图谱（atom transition maps，ATMs，亦称原子到原子映射 atom-to-atom mappings）提供反应物原子与产物原子之间的原子级对应关系。研究人员
理解复杂表型如何由大规模生化网络产生，需要超越质量与电荷平衡的化学反应表示。原子转移图谱（atom transition maps，ATMs，亦称原子到原子映射 atom-to-atom mappings）提供反应物原子与产物原子之间的原子级对应关系。研究人员系统综述了针对单个反应及整个生化网络的ATM预测计算方法，重点比较单独使用深度学习（deep learning，DL）或将DL与传统基于优化方法结合的策略。研究人员强调，在共享机制的反应上，现有机器与深度学习方法普遍存在数据泄漏（data leakage）问题；并在统一测试集上重新评估代表性DL模型以揭示其严重程度。该综述进一步指出ATM生成中的开放问题，为后续研究提供方向。
研究背景与问题缘起
在系统与合成生物学中，生化反应通常以化学计量方程表示，仅能满足总质量平衡，却无法刻画键断裂、键形成、键级变化与结构重排过程中的原子流向。原子转移图谱（atom transition maps，ATMs，即原子到原子映射）通过定义反应物原子与产物原子的一一对应，补齐了这一分辨率。ATM在代谢通量分析（metabolic flux analysis，MFA）中决定同位素标记沿代谢网络的传播；映射错误会扭曲标记模式并误导胞内通量估计。此外，ATM还支撑代谢路径设计、保守模块识别、酶分类与反应模板提取。
然而，自动化ATM预测面临多重困难：数据库反应常缺失辅因子、水、质子或不平衡；分子对称性与重排会产生多个拓扑合理的映射；立体化学信息在二维结构中表示不完整；将反应级ATM嵌入基因组规模代谢模型时，同一代谢物跨反应必须保持原子身份一致，而异构数据源的标识符与原子排序不一致会破坏全网追踪。
研究人员开展的工作与结论
研究人员对ATM预测方法作系统分类，将反应级方法归纳为五类：基于共同子结构方法、基于优化方法、深度学习（DL）方法、基于规则方法与混合方法，并梳理其假设、优势与失败模式；进而介绍将ATM扩展至大规模代谢模型的工作流。研究人员在EnzymeMap基准上，以严格原子准确率、细化原子准确率与完全反应准确率三项指标，比较AMNet、SAMMNet与LocalMapper在随机划分与酶学委员会编号（EC number）划分下的表现。核心结论是：EC划分降低训练与测试反应的相似性，所有模型性能均下降，且在完全反应层面降幅最大；随机划分会高估模型对陌生酶族的泛化能力。该工作揭示共享机制反应带来的数据泄漏是DL映射模型被高估的关键原因。
方法概述
研究人员采用系统综述与统一基准重评估相结合的技术路线：先以图论形式化ATM为顶点集间的原子类型保持映射，再按五类方法归纳假设与失败模式；随后在EnzymeMap基准上，对AMNet、SAMMNet与LocalMapper实施随机划分与EC编号划分双协议评估，定义严格原子准确率、细化原子准确率与完全反应准确率，用统一测试集控制变量，定量暴露相似反应信息泄漏对泛化估计的影响。
研究结果
2. 图论框架下的ATM形式化
研究人员将分子表示为带顶点与边标签的图G=(V,E,lV ,lE )，反应物图GR 与产物图GP 的原子顶点通过ATM映射m:VR ?VP 建立对应；平衡反应下为双射，不平衡反应则产生部分ATM。借助虚设过渡态（imaginary transition state，ITS）图可同时表达守恒键与键变化，反应中心由发生键变化的原子与键构成。最大公共子结构（maximum common substructure，MCS）与最大公共边子图（maximum common edge subgraph，MCES）为部分ATM提供候选，但对称性与多机制等价会使数学最优解不唯一。
3. 反应级ATM预测方法
3.1 基于共同子结构方法
通过识别反应物与产物间守恒区域约束候选对应。代表方法包括REACCS Automapper/ARCP、CLCA、RDT等。此类方法可容忍不完整记录，但最大守恒子结构在重排反应中未必对应化学正确ATM，对称性也会留下多解。
3.2 基于优化方法
以最小化图编辑距离或最大化守恒边为目标搜索映射。优势是有明确数学准则，但对不平衡反应、对称与立体信息敏感，且计算组合复杂度高。
3.3 深度学习方法
从反应数据中学习对应模式，如AMNet、SAMMNet、LocalMapper等。DL可规避手工规则，但在共享机制的相似反应上存在严重数据泄漏。
3.4 基于规则方法
利用预定义反应规则推导ATM，可解释性强，但依赖规则覆盖度，对未知机制泛化有限。
3.5 混合方法
结合子结构、优化与DL，以规则或优化约束学习过程，在精度与覆盖率间权衡。
网络级扩展与讨论
将反应级ATM接入基因组规模模型时，需要跨反应标准化代谢物原子身份。异构数据库的标识符、结构表示与原子排序差异，会使单反应正确映射在全网失效。因此大规模生成要求反应级准确性与会级一致性同步保证。
结论部分翻译
研究人员指出，ATM预测已从启发式子结构匹配发展为优化、规则与深度学习并行的多范式领域。统一基准评估表明，随机划分掩盖了EC层面泛化短板；未来方法需在冷启动式划分下报告性能，并将机制多样性、立体化学与网络级原子一致性纳入评价。可靠ATM是同位素通量推断、路径设计与酶机制发现的基础设施，其开放问题包括泄漏可控的基准构建、对称与重排歧义消解，以及代谢模型全网原子身份标准化。
这篇解读已完成，接下来可以选择一个方向继续深化：
把五类方法整理成对比评述 设计防数据泄漏的ATM评测方案 把五类方法整理成对比评述 设计防数据泄漏的ATM评测方案
