有机合成与酶催化在分子构建中具有显著的互补性，两者的结合为复杂化合物的高效、绿色和立体选择性制备提供了新的发展方向。尽管随着定向进化技术的进步，酶催化逐渐能够作用于非天然底物，但在实际应用中，将有机合成与生物催化深度融合仍面临挑战。当前，现有的逆合成模型大多基于纯有机反应数据训练，对酶催化步骤预测能力有限，而现有的混合规划算法往往依赖模板匹配，在路线整合与酶推荐方面灵活性不足。此外，现有平台的自动化程度较低，难以适应日益复杂的合成场景，亟需开发能够自主进行混合有机–酶催化规划的智能化策略。

近日，浙江大学药学院侯廷军和谢昌谕团队、澳门理工大学姚小军团队在Nature Communications上发表了题为“A Virtual Platform for Automated Hybrid Organic-Enzymatic Synthesis Planning”的研究成果。作者提出了一个全新的AI驱动混合式合成规划平台ChemEnzyRetroPlanner，涵盖混合逆合成设计、反应条件预测、酶反应识别及活性位点验证等功能，并基于Llama3.1模型构建了链式推理智能体，能够自主协调调用丰富的化学与酶催化工具，实现了从路径规划到可行性评估的自动化。实验结果表明，ChemEnzyRetroPlanner在多个基准数据集及天然产物合成任务上均优于主流逆合成工具，展示了其在药物合成路线设计中的实用性与准确性。

浙江大学药学院为本论文的第一署名单位，浙江大学药学院博士后王晓瑞与尹晓丹为共同第一作者，浙江大学侯廷军教授和谢昌谕教授、澳门理工大学姚小军教授为共同通讯作者。