9.2 逆合成分析

9.2 逆合成分析

本节摘要：逆合成分析把"怎么合成这个分子"倒过来问："这个分子由什么前体断键而来？"机器化的逆合成把目标分子当搜索树的根，反复应用模板断键，直到节点落到可采购原料上，再用步数、成本与可行性评分给路线排序。本节讲清模板法与无模板法的取舍，并用"一个陌生分子的三条机器路线"案例教你看懂机器规划的成本语言。

上一节的模板是"正向模具"，本节把它倒过来当"拆解工具"。逆合成是合成化学家的核心手艺——科里因把它形式化拿了诺贝尔奖（1.2 节的 LHASA 正是它的第一次机器化）；机器逆合成的现代化程度，决定了一个"设计出来的分子"能不能真的坐进烧瓶。

从产物倒着走回原料

机器逆合成的形式化是一条与或搜索树。"与"节点是分子：要合成它，需要所有选中的前体都到手；"或"节点是断键方案：同一分子往往有多种断法，任一条走通即可。搜索从目标分子出发，每步用模板库逆向展开（产物端匹配模板、生成前体集合），递归直到节点命中可采购原料库（3.1 节 ZINC 的货架目录在此变成搜索的终止条件），最后从叶到根回溯出完整路线。

每条路线的质量用多维评分：原料可得性（全部前体现货最加分）、步数与预期产率（五步乘平均八成产率，总收率约四成）、成本（原料单价与用量折算）、可行性信号（模板在历史数据里的支持强度）。开源规划器把这些做成可配置的评分函数；商业系统（合成路线设计软件的老牌厂商产品）则叠加专有反应库与 Chemist 的经验规则。

模板法与无模板法是路线上的两大门派。模板法（主流）从反应数据库抽取模板（9.1 节），展开的前体化学上可信、天然带历史支持；短板是模板库覆盖之外的反应完全失明。无模板法用序列到序列模型直接"翻译"产物到前体，不受模板库边界限制，还可能提出新反应；短板是产物化学合理性不稳（无效断键、离谱前体），需要后置的合法性校验。工程现实是混用：模板法为主干保证下限，无模板法当探索支线追上限。

图 9-2：逆合成搜索树与路线评分

案例：一个陌生分子的三条机器路线

背景。8.2 节生成管线产出一个高优先级新骨架，药物化学团队问的第一句话永远是："这条能做出来吗？"合成同事给出纸面路线要三天；规划器给出候选路线要几分钟——你的任务是评估这三条机器路线并给出建议。

操作。开源规划器跑目标分子，输出三条路线与逐条评分：

from aizynthfinder.tools import Gui  # 概念示意：实际以编程接口调用

# 规划器返回的路线对象按可用性、步数、评分排序，伪代码式判读如下
routes = planner.find_routes(target_smiles, n_routes=3)
for r in sorted(routes, key=lambda r: r.score, reverse=True):
    print("步数:", len(r.steps),
          "| 现货前体占比: %.0f%%" % (100 * r.in_stock_ratio),
          "| 综合分: %.2f" % r.score)
    for step in r.steps:
        print("   前体:", step.precursors_smiles,
              "| 模板历史支持:", step.template_support)
​

结果。路线甲两步、前体全现货、综合分最高——其中关键一步的历史支持数过百（模板在数据库里有上百个先例）；路线乙三步但引入一个需定制的前体，交付周期拉长；路线丙四步、含一步低支持率的罕见的重排，规划器自己也把它排在末位并标注了不确定性。

解读。读机器路线的三条心法。其一，叶节点就是采购单：路线的落地性由最不靠谱的前体决定——一个定制前体足以把"两步合成"变成"两个月等待"，可得性权重高于步数。其二，历史支持是信心指标：模板支持数高的步骤，产率与条件都有先例可抄；支持数低的步骤要请合成化学同事专门把关——机器路线的可信度不均匀，评分是均值不是下限。其三，规划器不替代化学家：它给的是"值得人工细看的前几名"，保护基策略、选择性风险、安全（如叠氮放热）仍需人类签字——这门手艺的产出物叫"候选路线"，不叫"合成方案"。

变式。路线评估的进阶玩法：与采购系统直连——评分函数里的可得性变量实时查供应商库存（3.1 节 ZINC 的标注体系），路线随货架波动自动重排；多目标路线优化——同时压成本、压步数、压最差步骤风险，规划退化成 10.2 节的多参数优化问题；路线级主动学习——把每条被否决或被采纳的路线反馈回模板支持度统计，规划器越用越懂本组的化学口味。

机器路线的人工复核要点

规划器的输出要过化学家的五道人工复核才算"候选路线"，每道都有具体动作。

第一道，断键合理性。机器最爱的断点未必是化学上体面的断点：检查每个断键处是否有成熟的构建块逻辑（酰胺键、Suzuki 位点、还原胺化位点是好词；凭空断一个饱和碳碳键是坏信号）。第二道，官能团兼容性。逐条路线排查"后面的步骤会不会毁掉前面装上去的基团"——强碱条件遇到酯基、氧化条件遇到裸硫醚，机器对保护基策略的理解仍不可靠，这一道几乎必有人工修改。第三道，选择性风险。多位点反应（区域选择性、化学选择性）要看机器给出的位点是否符合电子与位阻直觉，含糊之处标注"需小试"。第四道，安全与操作。放热风险（叠氮、重氮、高能中间体）、剧毒试剂、需要特殊设备的条件（超低温、高压氢化），凡是出现就单独标注给安全评审——规划器不做安全判断，它的评分函数里没有这一项。第五道，前体落地核查。评分里的"现货"要与采购系统实测对账：名称对得上、纯度对得上、交付周期对得上，三者都过才算真现货。

五道复核的花费大约是每人时每条路线，换来的是把机器路线从"纸面通"升级为"烧瓶可信"。复核意见同样按 10.2 节的纪律留痕：否决原因与修改点写回路线档案，它们是规划器评分函数未来调优的原始素材。

本节要点回顾

• 逆合成是与或树搜索：分子为与、断键方案为或，叶节点落在可采购原料上才算走通。
• 模板法保下限、无模板法追上限：主流策略是模板主干加探索支线混用。
• 评分四维：可得性、步数、成本、历史支持；落地性由最弱前体决定。
• 产出物叫候选路线：保护基、选择性、安全性仍需化学家签字，机器规划不越权。
• 下一站：路线定了还要选条件——9.3 节让产率模型与贝叶斯优化替实验省弯路。