利用大型语言模型进行酶促反应预测与特征分析

本研究解决了酶促反应预测这一复杂且资源密集的问题，采用大型语言模型（LLMs）评估其在多个生化任务中的能力。研究发现，通过多任务学习，模型在反向合成和正向合成预测上表现优越，显示出在酶信息共享方面的潜力，并指出了现有EC分类方案中的挑战，为进一步改进LLM驱动的生化建模奠定了基础。