近期，西北工业大学生命学院施建宇教授团队的研究成果“Single-step Retrosynthesis Prediction via Multitask Graph Representation Learning”在国际著名期刊《Nature Communications》（IF=14.7）上发表。该研究获得国家自然科学基金和陕西省重点研发计划等资助，生命学院博士生赵鹏程为第一作者，生命学院施建宇教授、尚洁副教授和中国中医科学院中医临床基础医学研究所吕诚研究员作为该成果的共同通讯作者。

逆合成推理是根据目标分子的结构推断出可用的反应物，这一过程为化学合成的数字化和智能化提供了新的方向。施建宇教授团队提出的Retro-MTGR框架（图1），基于分子图，通过多任务学习（MTL）同时解决三个任务：识别反应中心、识别离去基和生成精准的原子嵌入。研究为了验证Retro-MTGR的可解释性，具体回答了两个关键问题：哪些键可以成为反应中心？哪些离去基适合于特定的合成子？

研究发现，键的嵌入空间能够有效区分反应中心和普通键：高键能的键（如双键、三键、芳香键）通常是普通键，而低键能的单键则可能既是反应中心也可能是普通键，取决于合成子的结构。此外，反应中合成子和离去基通常具有相反的电性，且距离较远。相同反应物中的合成子和离去基通常电性相反并且较近。同时，该研究对两种药物（Sonidegib和Acotiamide）的逆合成路线进行了化学合成实验验证。结果表明，Retro-MTGR的预测结果与实际合成路线一致，证明了其在化学合成规划中的潜力。此研究为智能化的化学合成预测提供了新的思路和方法，对药物合成和分子设计具有重要意义。

Retro-MTGR的工作流程图

发表论文：

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：赵鹏程、施建宇  审核：万海东）