Journal of Cheminformatics：基于对比学习的酶促反应分类AI模型

中国科学院深圳先进技术研究院的研究团队在《Journal of Cheminformatics》上发表了一项重要研究成果，名为"CLAIRE: A Contrastive Learning-based Predictor for EC Number of Chemical Reactions"。该研究利用对比学习、数据扩增和化学反应预训练模型的特征提取策略，构建了一个高效的人工智能模型CLAIRE，用于预测酶促反应的EC分类编号。与现有最先进模型Theia相比，CLAIRE在测试集上的准确率显著提高，并且在酵母菌代谢模型中的表现也优于Theia。这项工作为解决酶促反应数据少和数据分布极度不平衡的问题提供了新的解决方案，并有望在代谢工程和通量平衡分析等领域发挥重要作用。通过严格评估，研究人员展示了CLAIRE在区分真实酶-反应配对与错误配对方面的强大能力，使其成为代谢研究中有力的工具。