English(EN) Elucidating the Space of Enzymatic Reaction: A Unified Benchmark and Pretrained Model

新的基准和模型解决了酶促反应预测问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

研究人员推出了 VenusRX-Bench，这是一个旨在评估模型在酶促反应预测、逆合成和酶委员会（EC）编号预测方面的新基准。该基准突显了化学模型和酶模型之间存在的显著差距，这归因于数据有限以及模拟生物分子结构的复杂性。为解决这一问题，研究团队开发了 VenusRX，这是一个基于 T5 的序列到序列模型，能够联合学习这些任务，并结合 EC 条件和约束解码来改进生物分子的生成。VenusRX 在各种任务上均表现出有竞争力的性能，强调了反应结构与催化功能之间的双向关系。 AI

影响这项研究有望在理解和预测复杂的生物化学过程方面提升人工智能的能力，可能有助于药物发现和合成生物学。

排序理由该集群描述了一篇介绍酶促反应预测基准和模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇介绍酶促反应预测基准和模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yutong Hu, Tianming Huang, Yanbo Zhao, Qiongyu Zhang, Shixiang Tang, Lei Bai, Ziyi Zhou, Liang Hong, Pan Tan · 2026-10-09 04:00

阐明酶促反应空间：统一的基准和预训练模型

arXiv:2610.11694v1 Announce Type: cross Abstract: Existing reaction models primarily learn molecular transformations, whereas enzy- matic reactions depend jointly on molecular structure and catalytic function. We formulate this problem as learning an enzymatic reaction space link…

本文如何被排名

报道来源 [1]

阐明酶促反应空间：统一的基准和预训练模型

相关实体

相关话题