两篇新研究论文介绍了计算生物学中用于酶-反应检索的先进 AI 框架。第一个框架 TIGER 使用蛋白质到文本生成来创建通用的表示，以连接酶和生化反应，从而提高泛化能力和鲁棒性。第二个框架是一个多对齐对比学习框架，它将酶-反应兼容性与域内关系和几何一致性联合建模，从而提高检索准确性和功能注释。 AI
影响 这些 AI 框架为酶发现、反应注释和生物催化剂设计提供了改进的工具，推动了计算生物学研究。
排序理由 两篇学术论文展示了针对特定科学领域的 AI 新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.24489v1 Announce Type: new Abstract: Enzyme-reaction retrieval is a fundamental problem in computational biology, underpinning enzyme characterization, reaction mechanism elucidation, and the rational design of metabolic pathways and biocatalysts. As a bidirectional ta…
arXiv:2512.08508v2 Announce Type: replace-cross Abstract: Identifying enzymes that catalyze target biochemical reactions is a key step in computational enzyme discovery and biocatalyst design. Recent representation-learning methods formulate this problem as enzyme--reaction match…