Synthonpedia：一种可持续且无偏见的逆合成知识民主化范式

《ChemComm》：Synthonpedia: a sustainable and unbiased paradigm for the democratization of retrosynthetic knowledgeOpen Access

　　

摘要翻译：
逆合成分析为有机分子构建提供了基础性框架。经典方法依赖于“电荷语法”，即赋予合成子（synthon）假定的亲核或亲电特征。尽管这一极性逻辑是该学科的基石，但它引入了偏见，因为化学家自然倾向于熟悉的反应用模式，而非非常规路线。计算机辅助逆合成（CAR）以及近年来的人工智能（AI）已经产生了强大的基于规则的引擎（如SYNTHIA）以及预测性数据驱动平台（如ASKCOS、IBM RXN for Chemistry和AiZynthFinder）。此外，SAMBVCA和VBUR等计算工具提供了有价值的反应性分析。然而，系统性挑战依然存在：许多领先工具以专有壁垒或基于文献训练的神经网络形式运作，这些网络本质上编码了历史流行趋势，过早地过滤掉罕见或非常规的转化。
为应对这些局限，研究人员提出从复杂的预测性“黑箱”转向透明、逻辑驱动的人机协作。受Corey的LHASA启发式方法以及人机协作工具成功的启发，研究人员推出了Synthonpedia，这是一个旨在增强而非取代人类直觉的平台。通过绕过任意的电荷指定，转而采用由“自由基”合成子表示的“键的通用字母表”作为纯粹的信息学抽象，研究人员实现了一种算法简化，将分子视为纯连接性的图。这种简化的图逻辑最小化了决策偏见，并以极小的计算足迹运行，使得先进的合成规划能够在低功耗硬件上全球可及。
Synthonpedia基于自由基合成子：通过剥离形式电荷的任意性并聚焦于纯分子连接性，Synthonpedia提供了一种算法简化，解放了研究者的直觉。这一概念转变使得软件能够弥合抽象切断与可靠正向转化之间的鸿沟，让用户专注于切断哪些键。技术上，Synthonpedia实现为关系数据库；由于关系数据库算法天生快速且逻辑精简，该平台以最小的计算足迹运行。这种高效率确保先进的合成规划不再局限于高资源环境，而是成为一种可持续且全球可及的工具，能够在低功耗消费级硬件上运行。
除了技术架构，Synthonpedia被构想为开放知识的范式。受维基百科协作成功的启发，它充当合成化学民主化的社会基础设施。这是一个社区驱动的生态系统，来自学术界和工业界的化学家可以贡献并完善共享的“化学知识”。在此框架中，数据库的健壮性和范围并非静态，而是通过集体参与逐步演进，将合成规划转变为透明且包容的科学事业。
该算法的核心在于采用自由基合成子。与传统依赖“电荷语法”（亲核/亲电）的实践不同，Synthonpedia仅通过标记逆合成“切断”位置的自由基位点来定义合成子。因此，用户可以专注于纯分子连接性，仅凭创造力和化学直觉探索大胆的切断策略。识别实际转化的复杂性被委托给算法，算法系统性地映射反应性空间，不带有主观经验的偏见。需要强调，Synthonpedia框架中的“自由基合成子”一词纯粹是一种图论和信息学抽象，旨在映射分子连接性，而非关于均裂化学反应性或自由基反应机理的陈述；因此，任何与特定化学反应相关的自由基合成子可能具有亲核或亲电特征。传统逆合成范式严重依赖与电子性质（如亲核性和亲电性）内在相关的异裂切断。虽然化学上直观，但这种经典表述施加了严格的算法约束并增加了计算开销。通过将分子片段抽象为中性自由基物种进行数据编码，底层算法可以快速执行断键和图匹配协议，而不会被复杂的电子规则集所限制。
Synthonpedia通过两种不同的实体建立了用户定义意图与编码化学智慧之间的严格桥梁：查询合成子（QSs）和数据库合成子（DSs）。QSs由用户直接通过“切断”键生成，而DSs代表化学反应性模式的标准化表示。通过严格的、无歧义的编码规则，研究人员确保每个反应被转化为唯一的DS集。合成解决方案的搜索由子图同构算法控制，该算法系统性地将QSs嵌入DSs的广义结构中，以识别潜在匹配。Synthonpedia擅长识别非直观转化，如复杂重排或多组分序列，这些通常隐藏在复杂的分子框架中。
因此，输出不是一组刚性指令，而是一系列潜在可行反应。这些原始数据代表一个动态工作空间，用户可以通过多维过滤过程细化结果。这允许化学家根据特定“属性”定制算法发现——无论是学术创新、工业可扩展性，还是对绿色化学原则的严格遵守。可以选择不同属性，如方法学类别、立体选择性或出版年份。为应对复杂结构目标的挑战，Synthonpedia集成了“深度搜索”工具。这一组合工具系统性地将目标结构拆解为两个、三个或四个片段，有效映射双组分、三组分和四组分转化的整个反应性空间。通过将每个可能的切断排列作为独立查询处理，软件揭示了可能隐藏在复杂分子框架中的直观和非直观合成策略。这种穷尽式探索以最小的计算足迹实现。
在浏览复杂分子架构时，大量潜在切断会淹没人工检查。为提供可访问的数据格式，研究人员实现了启发式排名函数，根据特定“合成风格”优先排序结果。通过针对文献中的示例性切断集校准函数，可以有效地编码不同化学反应的合成智慧并分配分数。作为概念验证，研究人员实施了一个排名模型，针对2013年以来发表的高影响力全合成论文中的50个变革性切断进行校准。这种特定的“学术风格”优先考虑最大化结构简化的切断，有利于同时形成多个键或构建复杂环状框架。该平台允许任何用户实现自定义评分函数。
受Corey LHASA启发的逻辑驱动启发式方法，Synthonpedia优先考虑人机协作模型。当前框架明确忽略反应可行性的动态计算、位阻、热力学概况和立体化学结果。通过呈现完整的拓扑切断矩阵，Synthonpedia扩展了化学家的创造性搜索空间，由下游人类专业知识过滤和验证所提议路线的实际可行性。
为评估深度搜索功能和整体工作流，研究人员使用小分子作为概念验证。选择克拉维酸（一种市售抗生素），因其中等大小和合成复杂性。一个仅由69个任意选择的化学反应组成的严格受限数据集被使用，发现了一些切断。每个反应的有效可行性被评估：β-内酰胺环可通过羧酸-酰胺缩合、两种不同的[2+2]烯烃-异氰酸酯环加成反应以及氮丙啶羰基化合成。五元环可通过铑催化重氮卡宾N–H插入和酰胺烷基化在N–C键处构建。羟基可通过Schenk–ene反应方便引入。
这些基准证实，Synthonpedia的最小计算足迹有效实现了先进CAR工具的民主化，使其成为任何实验室可持续且全球可及的资源，无论其计算基础设施如何。多组分切断的组合挑战中，限制分析为双组分和三组分路径可绕过60–80%的组合排列。使用标准笔记本电脑估算执行时间，计算时间随可切断键的平方增加。例如，对于具有80个可切断键的分子和20 000个反应的数据库，深度研究模式大约需要19分钟。
总之，Synthonpedia引入了逆合成规划的开放知识范式。用自由基合成子取代传统的“电荷语法”，建立了透明的人机协作，将化学直觉从文献流行偏见中解放出来。受维基百科启发，其社会基础设施确保化学知识保持共享、可持续的资源。Synthonpedia提供详尽、无偏见的拓扑探索，结合图论表示和最小计算要求，为合成构思提供了一个可访问、低资源的框架。持续努力集中在自动化逆合成树生成和可行性辅助工具上。

论文解读：

**研究背景与问题**
逆合成分析是有机合成设计的核心逻辑，自E. J. Corey提出以来，一直依赖“极性合成子”概念，即通过形式电荷指定亲核或亲电反应位点。然而，这种经典的“电荷语法”固化了化学家的思维模式，导致其倾向于选择熟悉的极性反应模式，而忽视非常规但可能更高效的切断路径。近年来，计算机辅助逆合成（CAR）和人工智能（AI）工具如SYNTHIA、ASKCOS、IBM RXN和AiZynthFinder虽已显著提升合成规划能力，但这些工具要么作为商业专有软件形成壁垒，要么基于文献数据训练神经网络，从而内在地继承了文献的“流行度偏见”——即历史上频繁报道的反应被过度代表，而罕见但有价值的转化被过早过滤。此外，复杂的预测模型常被视为“黑箱”，缺乏透明性和可解释性。针对这些问题，研究人员旨在提出一种开放、可持续且无偏见的逆合成框架，通过人机协作而非全自动预测，解放化学家的直觉，并降低计算资源门槛。
**研究内容与结论**
研究人员开发了一个名为Synthonpedia的社区驱动平台。其核心创新在于采用“自由基合成子”这一纯图论和信息学抽象，替代传统的极性合成子。在表示分子时，仅保留连接性信息，将切断后的片段视为中性自由基，从而避免了形式电荷的任意性，并简化了算法匹配。Synthonpedia以关系数据库为基础，利用子图同构算法将用户定义的查询合成子（QSs）与数据库中的标准反应合成子（DSs）进行匹配，从而系统性地映射整个理论可行的拓扑切断空间。平台通过多维过滤和可定制的启发式排名（如基于2013年以来50个高影响力全合成切断校准的“学术风格”），允许用户根据学术创新、工业可扩展性或绿色化学属性优先排序结果。它还提供“深度搜索”工具，可自动将目标分子拆解为二、三或四组分片段，以穷举方式探索多组分反应空间。概念验证选用市售抗生素克拉维酸，在仅含69个任意选择的化学反应的受限数据集上进行深度搜索，成功找出了包括β-内酰胺环构建（通过羧酸-酰胺缩合、[2+2]烯烃-异氰酸酯环加成、氮丙啶羰基化）、五元环构建（铑催化重氮卡宾N–H插入、酰胺烷基化）以及羟基引入（Schenk–ene反应）在内的非直观且可行的切断。性能评估表明，在标准笔记本电脑上，深度搜索80个可切断键分子并匹配20 000个反应的数据库，预计仅需约19分钟，且计算时间随可切断键数平方增长。若将搜索限制为双组分和三组分切断，可绕过60–80%的组合排列，进一步降低计算成本。该研究得出结论：Synthonpedia通过将逆合成知识转化为开放、可编辑的社区资源，实现了先进CAR工具的民主化，使低功耗硬件环境中的实验室也能进行复杂合成规划，并有效消除了文献流行度偏见。
**主要技术方法**
研究人员构建了关系数据库存储编码的化学反应模式（DSs），采用严格的编码规则确保每种反应对应唯一的DS集合。用户通过图形界面切断目标分子生成QSs，系统使用子图同构算法自动匹配QSs与DSs，以识别潜在反应。平台集成了深度搜索工具，系统枚举二、三和四组分切断组合，并将每个排列作为独立查询执行。启发式排名函数基于精选文献切断集（如2013年以来全合成论文中的50个范例）进行校准，以按“合成风格”排序结果。概念验证选用克拉维酸作为测试分子，在仅69个反应的极受限数据集上运行深度搜索，并通过文献比对验证反应的可行性。
**研究结果**
* **自由基合成子与无偏见切断**：通过对比传统极性切断与Synthonpedia的自由基切断，研究证实了自由基合成子作为一种纯连接性抽象，消除了极性分配带来的偏见，使得算法能够发现如β-内酰胺环的非常规合成路径。
* **子图同构匹配**：以羟醛缩合为例，DSs和QSs的结构化比较展示了算法如何通过严格的子图同构识别反应类型，即使目标分子中的反应中心被复杂结构遮蔽也能正确匹配。
* **深度搜索能力**：在克拉维酸测试中，深度搜索工具系统分解分子为多片段组合，不仅揭示了常规的羧酸-酰胺缩合路径，还发现了两种[2+2]烯烃-异氰酸酯环加成和氮丙啶羰基化等非直觉策略，显示出算法在有限数据下仍能覆盖多样化反应空间。
* **计算可扩展性**：通过对不同分子大小和数据库规模执行时间的估算，验证了平台以低计算足迹运行的能力。对于含有80个可切断键的分子和20 000个反应的数据库，深度搜索约需19分钟，且限制组分数量可大幅减少组合爆炸，使实时交互式分析成为可能。
* **社区驱动知识架构**：Synthonpedia借鉴维基百科模式，允许用户贡献和修正反应数据，使数据库规模与覆盖范围持续扩展，规避了静态数据集的流行度偏见。
**总结与结论**
讨论部分强调，Synthonpedia并不旨在预测反应可行性，而是提供理论上有效的拓扑切断全集，将可行性过滤交给化学家的专业知识。其刻意忽略热力学、动力学和立体化学等因素，正是为了保持“无偏见构思工具”的定位。研究结论指出，Synthonpedia通过引入开放知识范式，采用自由基合成子取代电荷语法，实现了透明的人机协作，将化学直觉从文献流行度中解放出来。其社会基础设施（类维基百科模式）确保化学知识作为共享的可持续资源。尽管AI在正向可行性预测方面表现优异，Synthonpedia提供了穷尽且无偏见的拓扑探索。当前工作正致力于自动化逆合成树生成和反应可行性辅助工具的集成。