王晓瑞博士，深圳理工大学合成生物学院教研助理教授、特聘副教授、博士生导师。曾在浙江大学药学院从事博士后研究。面向合成生物学与生物制造需求，主要开展人工智能驱动的酶催化功能解析与酶促合成规划研究，重点研究酶活性位点预测、酶—底物匹配、酶促反应推荐及化学—酶法协同合成路线规划，并围绕反应条件推荐与智能逆合成开展方法学研究，开发了EasIFA、ChemEnzyRetroPlanner、RetroPrime和Parrot等算法与平台。主持国家自然科学基金青年科学基金项目，入选国家资助博士后研究人员计划（C档），获得教育部博士后海外引才专项计划资助。已发表SCI论文44篇，其中第一或共同第一作者论文12篇，代表性成果发表于《Nature Communications》、《Chem》、《Chemical Reviews》、《Research》等期刊，累计被引1500余次，获授权中国发明专利1项。担任The Innovation Drug Discovery青年编委。

1.人工智能驱动的酶催化功能解析与生物催化设计

2.人工智能辅助的化学反应预测与化学—酶法协同合成规划

学习经历：

2021.09–2024.08：澳门科技大学，中医药学院，中药学，博士；导师：姚小军教授

2018.09–2021.06 ：兰州大学，化学化工学院，化学信息学，硕士；导师：姚小军教授

2014.09–2018.06 ：兰州大学，化学化工学院，化学（基地班），学士

工作经历：

2026.10–至今：深圳理工大学，合成生物学院，教研助理教授、特聘副教授

2024.10–2026.09：浙江大学，药学院，博士后；合作导师：侯廷军教授

2022.06–2024.08：浙江大学，药学院，访问学生（博士联合培养）；合作导师：侯廷军教授

2019.11–2021.06：腾讯，量子实验室，研究实习生；指导：谢昌谕博士

1）2025年教育部博士后海外引才专项计划资助

2）2021.09–2024.08澳门科技大学参与学术研究助学金（PGS）

科研项目：

1. 2025年度国家自然科学基金青年科学基金项目（C类），2026.01–2028.12，主持，资助经费30万元。

2. 国家资助博士后研究人员计划（C档），2024.10–2026.10，主持，资助经费24万元。

代表性成果：

1.Wang, X., Yin, X., Jiang, D., Zhao, H., Wu, Z., Zhang, O., Wang, J., Li, Y., Deng, Y., Liu, H., Luo, P., Han, Y., Hou, T., Yao, X., & Hsieh, C.-Y.* (2024). Multi-modal deep learning enables efficient and accurate annotation of enzymatic active sites. Nature Communications, 15, 7348. （第一作者，IF = 18.1）

2.Wang, X., Yin, X., Zhang, X., Zhao, H., Gu, S., Wu, Z., Zhang, O., Qian, W., Huang, Y., Li, Y., Jiang, D., Wang, M., Liu, H., Yao, X., Hsieh, C.-Y., & Hou, T.* (2025). A Virtual Platform for Automated Hybrid Organic-Enzymatic Synthesis Planning. Nature Communications, 16, 10929. （第一作者，IF = 18.1）

3.Wang, X., Li, Y., Qiu, J., Chen, G., Liu, H., Liao, B., Hsieh, C.-Y., & Yao, X.* (2021). RetroPrime: A diverse, plausible and transformer-based method for single-step retrosynthesis predictions. Chemical Engineering Journal, 420, 129845. （第一作者，IF = 12.5）

4.Wang, X., Hsieh, C.-Y., Yin, X., Wang, J., Li, Y., Deng, Y., Jiang, D., Wu, Z., Du, H., Chen, H., Li, Y., Liu, H., Wang, Y., Luo, P., Hou, T., & Yao, X.* (2023). Generic interpretable reaction condition predictions with open reaction condition datasets and unsupervised learning of reaction center. Research, 6, 0231. （第一作者，IF = 12.9）

5.Bian, Y.#;Wang, X.#; Ma, X.#; Zhong, H.#; Pardaev, A.; Sun, L.; Liu, S.; Wang, X.; Hou, T.; Yang, W. A triangle association strategy for de novo reaction discovery. Chem, 2026. DOI: 10.1016/j.chempr.2026.103204. （共同第一作者，IF = 19.1）

6.Wang, J.#,Wang, X.#, Sun, H., Wang, M., Zeng, Y., Jiang, D., Wu, Z., Liu, Z., Liao, B., Yao, X., Hsieh, C.-Y., Cao, D., Chen, X., & Hou, T. (2022). ChemistGA: A chemical synthesizable accessible molecular generation algorithm for real-world drug discovery. Journal of Medicinal Chemistry, 65(18), 12482–12496. （共同第一作者，IF = 7.3）

7.Zhang, O.#, Lin, H.#, Zhang, X.#, Wang, X.#, Wu, Z., Ye, Q., Zhao, W., Wang, J., Ying, K., Kang, Y., Hsieh, C.-Y., & Hou, T. (2025). Graph Neural Networks in Modern AI-Aided Drug Discovery. Chemical Reviews, 125(20), 10001–10103. （共同第一作者，IF = 64.3）

8.Tian, Y.#, Wang, X.#, Yao, X., Liu, H., & Yang, Y. (2023). Predicting molecular properties based on the interpretable graph neural network with multistep focus mechanism. Briefings in Bioinformatics, 24(1), bbac534. （共同第一作者，IF = 7.3）

9.Yin, X.#, Wang, X.#, Li, Y., Wang, J., Wang, Y., Deng, Y., Hou, T., Liu, H., Luo, P., & Yao, X.* (2023). CODD-Pred: A web server for efficient target identification and bioactivity prediction of small molecules. Journal of Chemical Information and Modeling, 63(20), 6169–6176. （共同第一作者，IF = 6.4）

10.Qian, W.#, Wang, X.#, Huang, Y., Kang, Y., Pan, P., Hsieh, C.-Y., & Hou, T.* (2025). Deep learning-driven insights into enzyme-substrate interaction discovery. Journal of Chemical Information and Modeling, 65(1), 187–200. （共同第一作者，IF = 6.4）