본 논문은 대규모 언어 모델(LLM), 특히 Llama-3.1 (8B 및 70B)을 이용하여 효소 반응 예측의 가능성을 평가한 연구입니다. 효소 반응 예측은 생촉매, 대사 공학, 신약 개발 등에 중요하지만 복잡하고 자원 집약적인 작업입니다. 본 연구는 효소 위원회 번호 예측, 전방향 합성, 역합성 등 세 가지 핵심 생화학적 과제에 걸쳐 LLM의 성능을 체계적으로 평가하고, 단일 작업 학습과 다중 작업 학습 전략을 비교하며, LoRA 어댑터를 사용한 매개변수 효율적인 미세 조정을 적용했습니다. 또한, 데이터 환경에 따른 성능을 평가하여 저데이터 환경에서의 적응성을 살펴보았습니다. 결과적으로 미세 조정된 LLM이 생화학적 지식을 습득하며, 다중 작업 학습은 공유된 효소 정보를 활용하여 전방향 및 역합성 예측을 향상시키는 것으로 나타났습니다. 하지만 계층적 EC 분류 체계에서의 어려움 등 LLM 기반 생화학 모델링의 개선이 필요한 부분도 확인했습니다.