你知道吗？科学家们正在利用人工智能来加速药物的合成过程！最近，西北工业大学生命学院施建宇教授团队的最新研究成果被发表在《Nature Communications》期刊上，该工作提出了一种全新的逆合成AI预测方法——Retro-MTGR。这一突破性的研究有望帮助科学家们更智能、高效地设计药物合成路线，让药物研发进入一个全新的时代。

什么是“逆合成推理”？

“逆合成推理”是指从目标药物的分子结构出发，逆向推导出合成它所需要的反应物和化学步骤。可以把它想象成“反向工程”：当我们知道了目标药物是什么样的，我们就能推算出要做出这个药物，我们需要哪些原料和化学反应过程。这一过程对于新药研发至关重要，因为它帮助化学家们找到合成药物的最佳路径，不仅节省时间，还降低了成本。

图1. Retro-MTGR的工作流程图

Retro-MTGR框架：AI是如何帮助化学家“预测”合成路径的？

施建宇教授团队提出的Retro-MTGR框架，运用了先进的“多任务学习”技术，能够在同一个模型中同时解决多个问题（图1）。具体来说，Retro-MTGR通过分析分子图，解决以下三个核心任务：

1.识别反应中心：这就是反应中化学键最容易断裂或重组的地方。

2.识别离去基：就是在化学反应中“离开”分子的部分。

3.优化原子嵌入：提高模型的精确度，使得预测更加精准。

这些任务的结合，使得Retro-MTGR框架不仅能帮助科学家预测药物的合成路径，还能给出反应中心和离去基的准确位置，为药物研发提供科学依据。

为什么这项研究很厉害？

这项研究有几个亮点，让它在药物合成领域独具创新性：

·化学键的能量和电性分析：研究通过学习化学键的能量（比如双键、三键和单键的区别）以及它们的电性，帮助科学家分辨哪些键可以成为反应中心，哪些则是普通键（图2）。

·电性分布的深度挖掘：研究还发现，反应中的合成子（反应物）和离去基通常电性相反，且彼此之间的距离较远，这为进一步的反应预测提供了依据（图3）。

·精准预测药物合成路径：为了验证AI预测的准确性，团队通过预测两种药物（Sonidegib和Acotiamide）的逆合成路线，并通过实验验证，结果表明，AI的预测与实际合成结果高度一致。这意味着Retro-MTGR能够为药物的合成提供可靠的指导（图4）。

图2.化学键嵌入空间的展示

图3.合成子和离去基的联合嵌入空间展示

图4. 对于两种药物的预测逆合成路线和真实化学合成路线展示

AI助力药物研发，开启智能化新篇章

这项技术不仅为化学反应提供了更智能的预测工具，还推动了药物合成的智能化进程。未来，随着AI技术的进一步发展，Retro-MTGR有望成为化学家们不可或缺的助手，帮助加速药物研发的每一步，极大地节省时间和成本。想象一下，如果我们能够更快地合成新药，未来的治疗可能会变得更加高效和精准！这项研究为药物研发提供了新的思路，也为科学家们打开了通向新药发现的大门。

参考文献：

Zhao, PC., Wei, XX., Wang, Q. et al. Single-step retrosynthesis prediction via multitask graph representation learning. Nat Commun 16, 814 (2025). https://doi.org/10.1038/s41467-025-56062-y.

原文链接：

https://doi.org/10.1038/s41467-025-56062-y.