利用酶进行有机合成的生物催化，可提供在温和和环境友好的条件下进行高度化学、区域、立体和对映选择性转化的可能性，大大有助于有机合成方法学。定向酶进化作为一种提高酶性能的工具的出现，也极大地提高了酶催化有机合成反应的范围和效率。然而，在合成过程中实施生物催化步骤仍然具有挑战性，因为很难预测特定底物是否真的可以被酶转化为所需产物。

近期，瑞士伯尔尼大学Jean-Louis Reymond组报道了使用多任务转移学习来训练分子转换器，通过一种序列到序列的机器学习模型，将来自美国专利局（USPTO）数据库的一百万个反应与32181个酶转化结合，并用酶的文本描述进行注释。

图片来源：Chem. Sci.

由此产生的酶转换器模型预测结构和立体化学的酶催化反应产物具有显著的准确性。

图片来源：Chem. Sci.

参考文献：Predicting enzymatic reactions with a molecular transformer

Chem. Sci.

DOI: 10.1039/d1sc02362d

原文作者：David Kreutter, Philippe Schwaller andJean-Louis Reymond *