摘要 酶催化反应在许多领域普遍存在，包括医药代谢和农用化学品生物降解。分析和预测这些反应的发生方式对于识别有毒副产物和获得监管批准变得越来越重要。将酶信息纳入这些预测已被证明能改善预测能力。然而，现有方法需要了解酶的知识才能进行预测，在许多情况下，尤其是生物降解，反应环境的复杂性意味着确切的酶未知。在本文中，我们通过提出一个框架来训练和评估层次多标签分类器，以预测酶编号与化学化合物之间的关联，从而缓解了这一问题。我们的方法实现了高达93.2%的层次F1-score，超过了现有方法。此外，我们还考察了包括真实和预测酶信息如何影响产品预测性能，相比于不使用酶信息的情况。在利用生物降解反应数据的案例研究中，我们发现包括酶编号提高产品预测性能约两个百分点。科学贡献 我们贡献了一种新的方法，通过层次多标签分类器框架来预测酶-化合物关联。我们的方法会自动调整以找到给定数据集的最佳超参数，并实现了高于现有方法的更高F1得分。我们还贡献了对在产品预测算法中纳入酶信息的研究，表明包括这些信息可以改善产品预测性能。图形摘要
Brydon-Brown等人（周）研究了这个问题。