EZSolver: Template-free prediction of polar enzymatic mechanisms via bidirectional flow matching and search

EZSolver 技术摘要：无模板化的极性酶促机制预测

问题陈述
预测酶促反应机制对于理解酶的功能和设计新型生物催化剂至关重要。然而，目前的计算方法面临着显著的局限性。传统的基于规则的模型（如 EZMechanism、MechFind）依赖于预定义的初级反应规则确定性字典。虽然这些模型在分布内（in-distribution）任务中表现有效，但由于无法超越其固定的规则集进行外推，它们在处理分布外（OOD）化学问题时表现不佳。相反，现有的有机反应生成式 AI 模型（如 Chemformer、Graph2SMILES）主要侧重于产物预测，缺乏阐明多步机制所需的化学直觉。此外，这些模型往往难以应对酶环境中的特定复杂性，例如可逆反应、参与催化的旁观氨基酸残基的存在，以及对原子守恒的精确需求。目前亟需一种能够无需依赖预定义模板即可预测完整极性酶促机制的无模板、生成式架构。

方法论
作者提出了 EZSolver，这是一个旨在导航多步极性酶促机制的生成式框架。该系统由两个主要部分组成：

1. EZFlow（初级步骤预测器）：

   • 架构： 基于 FlowER 架构，EZFlow 利用**流匹配（flow matching）**技术将化学转化建模为键-电子（Bond-Electron, BE）矩阵内的连续电子重分布。该矩阵将原子表示为节点，将成键/非键电子表示为边权重。
   • 训练策略： 该模型基于预训练的有机化学模型（FlowER）进行微调，使用了来自 M-CSA 数据库的约 1,200 个精选初级步骤数据集。
   • 核心创新：
     • 双向流（Bidirectional Flow）： 为了处理酶中普遍存在的可逆反应，EZFlow 同时采用了标准正向流（$t=0 \to 1$）和反向流（inverse flow, $t=1 \to 0$）。通过结合两个方向的预测结果，模型能够探索整个热力学图景，包括标准流可能遗漏的吸热步骤。
     • 热力学对齐： 训练数据集使用 Merck 分子力场（MMFF）进行处理，使反应符合“放热”特征，从而减轻训练过程中矛盾梯度信号的影响。
     • 聚焦权重（Focal Weighting）： 在损失函数中应用了聚焦惩罚因子，以放大化学活性原子上的梯度信号，同时抑制旁观残基的静态背景，解决了大型酶系统中活性中心稀疏的问题。
     • 噪声注入： 在推理过程中，使用最优的标准差（$\sigma = 0.08$）的高斯噪声来鼓励对化学空间的探索，同时避免诱发幻觉。

2. EZSolver（机制导航器）：

   • 搜索算法： EZSolver 使用**双向束搜索（bidirectional beam search）**将初级步骤组装成完整的路径。推理过程同时从反应物状态和产物状态开始，直到找到具有相同化学结构的中间体节点，从而连接两条路径。
   • 评估器系统： 为了应对搜索空间的组合爆炸，一个双重评估器系统用于剪枝搜索树：
     • 2D 导航器： 计算 BE 矩阵的变化，奖励那些与整体反应转化相一致的步骤，从而过滤掉无关的中间体。
     • 化学评估器： 作为安全性检查，惩罚热力学上不可能的中间体、高度紧张的结构或化学幻觉。
   • 输出： 系统生成多个可行的机制，并根据步骤长度和内部化学评分进行排序。

核心贡献

• 无模板生成式框架： EZSolver 是首个无需依赖预定义反应模板或规则字典即可阐明完整酶促反应机制的架构。
• 双向热力学建模： 通过集成反向流，该模型克服了标准流匹配的单向偏差，实现了对酶促催化中常见的可逆和吸热初级步骤的预测。
• 稳健处理旁观残基： 通过聚焦权重和双向搜索，模型成功区分了反应中心与旁观氨基酸残基，这是导致确定性模型失效的关键挑战。
• 卓越的分布外（OOD）性能： 该框架展示了外推化学知识以推断未编目路径的能力，这种能力是基于规则的系统所不具备的。

结果
模型在一个包含 186 个初级步骤（65 个完整机制）的测试集上进行了评估，且测试集中的 SMILES 字符串与训练数据均无重叠。

• 初级步骤预测： EZFlow 在前 200 个候选方案中的正确初级步骤预测准确率达到 72.4%。这显著优于微调后的基准模型：FlowER (35.7%)、Chemformer (24%) 和 Graph2SMILES (0%)。
• 完整机制预测： 在对未见过的极性酶促反应进行完整机制预测时，EZSolver 实现了：
  • 60.0% 的准确率（与真实中间体及相互作用完全匹配）。
  • 84.6% 的化学合理性率（即使不是完全一致的真实情况，机制仍遵循物理/化学规则）。
• 分布外（OOD）基准测试： 在一个严格的 OOD 测试中（所有 55 个目标反应均不在训练集中）：
  • EZSolver (Ensemble) 达到了 52.7% 的准确率和 72.7% 的检索率。
  • 这大幅超越了基于规则的模型：EZMechanism (23.6% 准确率) 和 MechFind (18.8% 准确率)。
• 案例研究： 模型成功预测了复杂的机制，例如由 2-脱氢-3-脱氧-磷酸葡萄糖醛酸解酶催化的醛缩反应，以及一个脱硫反应——它提出了两种截然不同且具有化学洞察力的路径（一种涉及半胱氨酸作为酸，另一种涉及半胱氨酸作为亲核试剂），尽管模型在训练期间从未见过此类反应，但其结果与科学争论相吻合。

意义与局限性
作者声称，EZSolver 通过从僵化的基于规则的记忆转向学习电子重分布的基本化学原理，代表了迈向预测酶学的重要一步。通过将基于化学知识的流匹配与引导式搜索算法相结合，该系统有效地在广阔的反应空间中进行导航，从而提出新型生物催化剂设计并理解酶的功能。

论文也承认了特定的局限性：

• 质子化状态： 由于数据处理中的固有歧义性以及缺乏显式的 3D 构象数据，精确预测质子分布和氢键网络仍然具有挑战性。
• 立体化学： 当前基于 2D 拓扑的方法缺乏在特定酶口袋内解释立体选择性所需的空间推理能力。
• 未来集成： 作者建议，EZSolver 生成的“化学合理”候选方案可以作为更昂贵的 3D 结构或量子力学（QM/MM）验证的优化起点。他们还指出，未来的迭代版本可以纳入过渡金属数据，以破解金属酶的机制。