9.1 反应表征与原子映射

9.1 反应表征与原子映射

本节摘要：反应 SMILES 用一个大于号把反应写成一行字符串——反应物大于试剂大于产物——原子映射号则把产物里的每个原子接回它在反应物里的出处。本节讲清这两层语法的写法与作用，示范反应模板的抽取与应用，并用"Suzuki 类似物枚举"的完整代码案例演示反应数据的第一个高价值用途：自动生成可合成的类似物库。

反应信息学开张。前八章的世界里分子是静止的标本；本节起，分子开始转化。把反应写成机器可算的数据，是一切反应智能的地基——地基里最重要的两块砖，是反应 SMILES 与原子映射。

反应也是一行字符串

反应 SMILES 在普通 SMILES 之间插入大于号分隔符：反应物在前、试剂居中、产物在后，形如"反应物大于试剂大于产物"。苯硼酸与溴苯的偶联缩写一行就能装下；试剂里的催化剂、碱原样写在中间段。解析器按同样的化合价规则校验三段，原子平衡（反应物加试剂的原子应能拼出产物）可当作第一道质检。

原子映射解决一个更深的问题：产物的羰基碳来自反应物的哪一个碳？给每个原子编一个映射号（产物三号碳与反应物三号碳是同一个原子），反应就从"两堆分子的字符串"升级为"原子级的转化记录"。它是后续一切精细加工的前提——模板抽取要知道哪些键断了哪些键成了，得靠映射；反应相似度比较、催化剂作用位点分析，同样以映射为基础。自动映射的现状要如实交代：基于注意力机制的映射工具在常见反应类型上准确率可观，但复杂重排、多中心反应仍会出错，映射质量抽检是反应数据入库的固定工序。

反应模板：转化的结构化抽取

模板是反应的"句型"：把反应实例中真正变化的原子环境抽出来，其余静止的骨架用通配符代替。抽出来的模板形如"芳基溴加芳基硼酸变联芳基"，配上任意芳香取代基就能批量"造句"。模板的两难要心里有数：抽得粗（只看断键处近邻）泛化好但易产错（管不住不该动的基团），抽得细（多包几层环境）特异安全但覆盖窄——工业模板库通常分层存储，检索时由粗到细。

图 9-1：从反应实例到模板再到类似物

案例：用偶联模板自动造一打类似物

背景。项目的活性系列靠一个联芳基骨架撑着，药物化学同事想要一批"换个取代基"的类似物排进下一轮合成。人工写一百条反应式太慢，反应信息学的解法是：拿模板当模具，把采购库里的硼酸与溴代芳烃批量"压"成类似物。

操作。定义模板、跑反应、三重过滤：

from rdkit import Chem
from rdkit.Chem import AllChem, rdMolDescriptors as rd
from rdkit.Chem.FilterCatalog import FilterCatalog, FilterCatalogParams

# Suzuki 类反应模板（示意：芳基溴与芳基硼酸缩合成联芳基）
rxn = AllChem.ReactionFromSmarts(
    "[c:1][Br].C(B)(O)[c:2]>>[c:1][c:2]")

acids = ["Cc1ccc(B(O)O)cc1", "Oc1ccc(B(O)O)cc1", "Clc1ccc(B(O)O)cc1"]
bromides = ["c1ccc(Br)cc1", "COc1ccc(Br)cc1", "Cc1ccc(Br)cc1",
            "Brc1ccc(cc1)C(=O)O"]

catalog = FilterCatalog(FilterCatalogParams())
valid_products = set()
for br in bromides:                       # 枚举所有组合
    for bo in acids:
        for out in rxn.RunReactants(
                (Chem.MolFromSmiles(br), Chem.MolFromSmiles(bo))):
            prod = out[0]
            Chem.SanitizeMol(prod)        # 过滤一：价态校验
            smi = Chem.MolToSmiles(prod)
            mol = Chem.MolFromSmiles(smi)
            if mol is None or rd.CalcExactMolWt(mol) > 500:
                continue                  # 过滤二：类药门槛
            if catalog.HasFilterMatch(mol):
                continue                  # 过滤三：反应性警报
            valid_products.add(smi)

print(len(valid_products))                # 去重后的类似物清单
for s in sorted(valid_products):
    print(s)
​

结果。四乘三的组合跑完，经三重过滤剩下十来个独特产物——联芳核上分别顶着甲基、羟基、氯、酯基的合理组合，全是采购库原料直接可及的分子。清单直接交给采购下单：这是一份"天然可合成"的候选库。

解读。三处值得咀嚼。其一，映射号在模板里的角色：[c:1] 与 [c:2] 标记了转化中"幸存并接线"的两个芳碳，模板因此知道新键连在哪，与取代基无关——这就是原子映射的结构红利。其二，枚举即组合爆炸：原料池放大到几百，产物轻松破万，三重过滤与去重不是可选项而是必需品；SanitizeMol 拦下的正是模板过粗时最常见的"不该发生的反应"。其三，产物的"可合成性"是模板赋予的——与 8.2 节生成模型的产出对比：那边要先过 SA 分数与逆合成检验（9.2 节），这边出厂即带路线，这正是模板枚举在工业界长盛不衰的原因。

变式。沿着表征继续挖：反应相似度——把映射好的反应转成"反应指纹"，找"跟这个转化最像的历史反应"，条件优化与事故排查都用得上；催化剂数据挖掘——在映射基础上统计配体与产物的关联，给 9.3 节的条件推荐供弹药；专利反应库结构化——把上万篇专利的反应段落批量转成映射记录，是自建模板库的重资产玩法。

本节要点回顾

• 反应 SMILES 三段式：反应物大于试剂大于产物，一行装下一次转化。
• 原子映射是结构红利：映射号让模板知道键连在哪，是模板、相似度、条件挖掘的共同前提。
• 模板两难分层解：粗模板泛化、细模板安全，工业库分层存储由粗到细检索。
• 枚举必配三重过滤：价态、类药、警报——模板枚举的产物天然"可合成"，但也会复制模板的粗心。
• 下一站：类似物是顺藤摸瓜，陌生分子是凭空规划——9.2 节把整个合成路线当图搜出来。