近期，西北工業大學生命學院施建宇教授團隊的研究成果“Single-step Retrosynthesis Prediction via Multitask Graph Representation Learning”在國際著名期刊《Nature Communications》（IF=14.7）上發表。該研究獲得國家自然科學基金和陜西省重點研發計劃等資助，生命學院博士生趙鵬程為第一作者，生命學院施建宇教授、尚潔副教授和中國中醫科學院中醫臨床基礎醫學研究所呂誠研究員作為該成果的共同通訊作者。
逆合成推理是根據目標分子的結構推斷出可用的反應物，這一過程為化學合成的數字化和智能化提供了新的方向。施建宇教授團隊提出的Retro-MTGR框架（圖1），基于分子圖，通過多任務學習（MTL）同時解決三個任務：識別反應中心、識別離去基和生成精準的原子嵌入。研究為了驗證Retro-MTGR的可解釋性，具體回答了兩個關鍵問題：哪些鍵可以成為反應中心？哪些離去基適合于特定的合成子？
研究發現，鍵的嵌入空間能夠有效區分反應中心和普通鍵：高鍵能的鍵（如雙鍵、三鍵、芳香鍵）通常是普通鍵，而低鍵能的單鍵則可能既是反應中心也可能是普通鍵，取決于合成子的結構。此外，反應中合成子和離去基通常具有相反的電性，且距離較遠。相同反應物中的合成子和離去基通常電性相反并且較近。同時，該研究對兩種藥物（Sonidegib和Acotiamide）的逆合成路線進行了化學合成實驗驗證。結果表明，Retro-MTGR的預測結果與實際合成路線一致，證明了其在化學合成規劃中的潛力。此研究為智能化的化學合成預測提供了新的思路和方法，對藥物合成和分子設計具有重要意義。
Retro-MTGR的工作流程圖
發表論文：
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.
（文字：趙鵬程、施建宇 審核：萬海東）
