1.一种基于对比学习的生物合成表征方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于对比学习的生物合成表征方法，其特征在于，酶和酶的ec编号来自于uniprot数据库中提供的蛋白质生物功能信息。
3.根据权利要求1所述的基于对比学习的生物合成表征方法，其特征在于，所述生物合成反应数据来自于ecreact数据集提供的酶促反应数据，其中包含酶和酶催化的化学反应数据，所述酶催化的化学反应数据中包含化学反应的底物、产物和非产物，且底物、产物和非产物均为小分子。
4.根据权利要求3所述的基于对比学习的生物合成表征方法，其特征在于，所述生物合成表征模型包含酶的表征模型和小分子表征模型：
5.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，酶和ec编号间的损失函数最小化的过程，包括：
6.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，小分子表征模型中的图神经网络为预训练的图神经网络，预训练的过程，包括：
7.根据权利要求6所述的基于对比学习的生物合成表征方法，其特征在于，化学反应底物和产物间的损失函数最小化的过程，包括：
8.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，小分子和酶相互作用的损失函数最小化的过程，包括：
9.根据权利要求5所述的基于对比学习的生物合成表征方法，其特征在于，正样本选取训练样本集中与用于训练酶的表征模型的酶的ec编号相同的氨基酸序列，依次输入esm-1b模型和第一多层感知机中，得到正样本的表征；负样本选取训练样本集中与用于训练酶的表征模型的酶的ec编号不同的氨基酸序列，输入到esm-1b模型中，得到负样本的表征。
10.一种基于对比学习的生物合成表征模型，其特征在于，采用权利要求1-9任一项所述的基于对比学习的生物合成表征方法，包括训练样本集构建单元、表征模型训练单元、表征模型应用单元；