利用图到图模型提升生物催化逆合成技术（开放获取）

《Chemical Science》：Enhancing Biocatalytic Retrosynthesis with a Graph-to-Graph ModelOpen Access

　　

生物催化合成为化学生产提供了一条绿色且可持续的途径，但由于需要同时考虑反应的可行性和酶的兼容性，因此合理设计生物催化路线仍然具有挑战性。在这里，我们提出了BioG2G_ESR，这是一个以图到图建模为核心的统一框架，用于单步生物催化逆合成，并提供了酶序列推荐作为下游扩展功能。BioG2G将逆合成视为一种图到图的转换任务，可以直接从产物结构预测反应物分子图，同时保持分子拓扑结构和立体化学一致性。广泛的基准测试表明，BioG2G在生化逆合成基准测试中表现出色，在Biochem-Plus上的准确率达到了30.3%，在Biochem-Full上的准确率为55.0%。进一步分析了Biochem-Plus训练集中未包含的代表性文献中的反应，作为定性的外部示例。基于预测的反应，酶序列推荐器（ESR）主要根据反应相似性对候选酶序列进行排名，并使用模板-查询匹配作为信心分层的辅助信号。留一法评估显示，模板匹配分数与不同信心组中的Top-k准确率之间存在明显关联。总体而言，BioG2G_ESR提供了一个统一且可扩展的框架，用于数据驱动的生物催化设计，其中基于图的逆合成为核心组件，酶推荐作为补充功能。

该内容仅可通过PDF形式获取。

在另一个窗口中打开 PDF

? 2026 作者。由英国皇家化学会出版

2026

作者

本文采用知识共享署名-非商业性使用4.0未本地化许可证进行许可。您可以在其他出版物中使用本文中的材料，而无需向RSC请求额外许可，前提是正确致谢并且不将其用于商业用途。

本作品采用 知识共享署名-非商业性使用4.0国际许可证 进行许可。