微软开源逆合成模型 RetroChimera，成果发表于《自然》

微软发布逆合成预测框架 RetroChimera

微软研究院在博客中介绍，其逆合成模型 RetroChimera 的相关论文已发表于《自然》。据该博客描述，RetroChimera 是一个面向小分子合成路线预测的框架，由两个模型组成：基于 Transformer 的从头预测模型 R-SMILES 2，以及基于图神经网络、依赖反应模板的 NeuralLoc。框架通过“学习排序”的集成策略，为两个子模型的预测分配与排名相关的投票，当两者给出相同反应时投票相加，从而综合二者互补的化学模式。

背景与影响

博客指出，新药与新材料的研发依赖新分子的合成，但合成路线规划目前仍大量依赖人工，耗时且成本较高，也是药物开发成本的重要来源。逆合成从目标分子出发，逐步拆解为更简单的前体，直至可购买的基础砌块。微软方面称，RetroChimera 在常见与罕见反应类别上表现较强，其预测更贴近化学家的判断；在盲测中，博士级化学家更偏好该模型给出的单步反应预测。博客还提到，在十个挑战性目标的完整路线评估中，RetroChimera 成功九个，而从头模型为五个、编辑模型为四个、基线模型 NeuralSym 为两个。微软表示，该模型有望帮助研究人员更高效地识别合成路线，并配合实验室自动化，推动合成规划与执行的闭环系统。

限制与来源

上述性能与评估结论均来自微软研究院博客及所引论文的表述，本文未做独立验证。博客称 RetroChimera 已在 GitHub 开源（MIT 许可证），并可通过 Microsoft Foundry 访问，具体获取方式、可用范围与许可条款请以官方仓库和官网当前信息为准。该博客未披露定价、地区可用性等细节，相关功能与支持情况亦需以官方最新说明为准。