ARTICLE · 1129858

bioRxiv 不背反应模板,能否推演酶的电子流?EZSolver给出一个生成式答案

发布时间：2026-10-06 08:28:30 最近访问：2026-10-06 08:28:31

摘要概括

EZSolver面向极性酶反应机理预测，把单步电子重新分布模型EZFlow与双向束搜索组合起来，不依赖预先列好的反应模板。论文在未见过的极性酶反应测试上报告：完整机理预测准确率60.0%，化学合理率84.6%；单步预测准确率72.4%。这是计算基准表现，并非对任意酶反应都能无实验确定机理。本稿为bioRxiv预印本。

研究背景

知道底物和产物，不等于知道电子如何移动、催化残基何时给出或接受质子。传统规则库对库内化学有效，但遇到未登记的反应类型容易失效；只向前逐步生成又会积累错误。酶反应中的可逆步骤使这一问题更突出。

研究问题

能否学习电子流本身而非固定模板？反向推理能否帮助处理可逆基元步骤？生成候选机理时，如何减少逐步误差并兼顾化学合理性？

研究方案

作者以流匹配训练EZFlow预测基元电子流，并引入逆向流；EZSolver再从反应两端进行评价器引导的束搜索，筛选完整机理。评价包括单步预测、分布外测试、完整机理准确率与化学合理性，并用案例分析错误累积和可能的“看似合理但不正确”路径。