单步逆向反应预测¶

做什么：给一个产物分子，预测可能的反应物（一步拆分 / 断键）并排序。它是多步规划与可合成性评分的底层引擎，没有独立命令行子命令；要单独取一步逆合成候选，用 Python。模型原理与评测见研究报告 · 单步逆向反应预测；安装见安装与总览。

输入 / 输出：输入 = 产物 SMILES；输出 = 排序候选，每个是一组反应物（canonical SMILES 元组）+ 分数（模板概率）。

Python¶

from synomega.singlestep import TemplateGNN

model = TemplateGNN.default()                 # 首次调用自动下载默认模型
for p in model.predict("CC(=O)Nc1ccccc1O", top_k=5):
    print(round(p.score, 4), p.reactants)     # reactants 是排序好的 canonical 元组
    print(p.smiles)                            # = ".".join(p.reactants)，反应物侧单串 SMILES
    print(p.template_id, p.meta["center_avg"])

predict 返回 Prediction 列表：reactants（元组）、score（0–1 模板概率）、template_id、 meta["center_avg"]（反应中心平均置信，用于同一模板不同匹配位点之间的二次排序）。默认 top_k=50；批量用 model.predict_batch([...])。

两个后端¶

入口	动作空间	用途
`TemplateGNN.default()`	全部 64,366 个模板	通用单步逆合成、多步规划
`TemplateGNN.simplify()`	仅"简化型"拆分（把目标拆成 ≥2 个前体）	可合成性评分推荐后端；多步搜索更省

用自己的 checkpoint：TemplateGNN.from_pretrained("run_dir")，或环境变量 SYNOMEGA_MODEL / SYNOMEGA_SIMPLIFY_MODEL 指向 run 目录。

注意¶

单步只看一步；要一路拆到可购砌块请用多步规划。
命中正确模板不一定唯一复现真实反应物（区域 / 位点多解），这是模板法的结构性上限；center_avg 正是用来在这些同模板候选间挑更靠谱的那一个。