多步代谢通路设计的计算框架
机器学习
2026-04-16 v1
摘要
体外工具在生成新假设和探索 de novo 代谢通路设计的备选方案方面至关重要。然而，尽管已提出许多用于 retrobiosynthesis 的计算框架，但文献中少数成功的算法引导的异源生化 retrosynthesis 实例。深度学习已在有机化学的合成和 retrosynthesis 应用中提升了质量。鼓舞人心的是这一进展，我们探索将深度学习生化变换与传统 retrobiosynthetic 工作流程结合，以改进体外合成代谢通路设计。为开发我们的计算生物合成通路设计框架，我们从公共数据库中组装了代谢反应和酶模板数据。对数据进行增强处理，采用文献中的方法，通过酶反应模板生成的人工代谢反应丰富了所组装的反应数据集。我们训练了两个基于神经网络的通路排序模型作为二分类器，以区分所组装的反应与人工反应的不同；每个模型输出一个标量，量化 1 步或 2 步通路的可信度。将这两个模型与酶模板结合，我们构建了一个多步 retrobiosynthesis 流水线，并通过计算再现了一些自然和非自然通路。
引用
@article{arxiv.2604.13471,
title = {Computational framework for multistep metabolic pathway design},
author = {Peter Zhiping Zhang and Jeffrey D. Varner},
journal= {arXiv preprint arXiv:2604.13471},
year = {2026}
}