化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
生物催化要真正进入合成路线设计，难点并不只是找到“会做这类反应的酶”，而是化学底物空间和蛋白序列空间之间长期缺乏高质量连接。这导致很多 biocatalysis 项目要靠漫长的筛酶和蛋白工程试错。
这篇论文通过高通量实验先大规模补全底物-酶配对数据，再构建 CATNIP 这样能够在 chemical space 与 protein sequence space 之间双向检索与排序的模型。它不是普通 reaction prediction，而是把酶选择和底物兼容性判断变成一个可导航的联合空间问题。
这篇论文值得正式收录，因为它为 AI-guided biocatalysis 建了一层非常关键的基础设施：不再只是给定底物预测反应，而是让化学路线设计者能够系统搜索“什么酶可能做成这步化学”。这对 enzyme discovery、route planning、green synthesis 都有明显外溢。
它不是更高一级，因为当前验证主要集中在特定酶家族与反应体系，虽然工作流意义很强，但还没有覆盖更广泛的酶宇宙或端到端自动化实验闭环。