可合成性评分 SynScore¶
做什么：给一个目标分子打一个连续的可合成性分数 SynScore，用来对一批分子按"好不好合成" 排序。它在内部跑一次多步规划（可购原料库可切换、可自定义，见商业原料库），再把结果折成分数。分数定义与操作点见 研究报告 · 可合成性评分 SynScore；安装见安装与总览。
\[\mathrm{SynScore} = \frac{1}{(U+1)^{U}}\]
U = 最优路线里不可购起始物的个数：全可购(U=0)→1.0，U=1→0.5，U=2→0.11，U=3→0.016，完全找
不到路线→0。缺得越多、掉得越狠，所以它能把"完全解出 / 差几个砌块 / 差很多"清晰分开。
命令行¶
# 默认用简化约束模型 @ 扩展宽度 k=10（评分推荐配置），--original 换原始模型
synomega score --targets targets.smi --out scores.jsonl
Python¶
import synomega
scorer = synomega.load_default_scorer() # 默认 simplify=True, k=10
r = scorer.score("CC(=O)Nc1ccccc1O", max_steps=5)
print(r.as_dict())
# {'smiles': ..., 'solved': True, 'score': 1.0, 'bb_coverage': 1.0,
# 'min_steps': 2, 'min_route_depth': 2, 'num_leaves': 2,
# 'num_purchasable_leaves': 2, 'expansions': ..., 'terminated_by': 'solved', ...}
# 批量：每行一个 SMILES
report = scorer.score_batch(open("targets.smi").read().split())
print(report.solve_rate, report.mean_bb_coverage)
print(report.describe())
df = report.to_dataframe() # 每分子一行（需要 pandas）
单分子返回 MoleculeReport（.score / .solved / .bb_coverage / .min_steps /
.num_unpurchasable_leaves（=U）/ .as_dict()）；批量返回 BatchReport（.solve_rate /
.mean_bb_coverage / .describe() / .to_dataframe() / .to_json()）。
读分数¶
| 情况 | U | SynScore |
|---|---|---|
| 全部起始物可购（solved） | 0 | 1.0 |
| 差 1 个砌块 | 1 | 0.5 |
| 差 2 个 | 2 | 0.11 |
| 完全无路线 | — | 0 |
solved 是二元的"能不能在深度内全叶可购"，用来和文献 solve_rate 对比；SynScore 是连续、
近失敏感、可排序的版本，用来对一批分子排序。
参数¶
| 参数（CLI / Python） | 默认 | 含义 |
|---|---|---|
--targets |
必填 | 每行一个 SMILES |
--original / simplify= |
默认简化模型 | 换回原始单步模型打分 |
--max-steps / max_steps= |
5 | 路线深度上限 |
--exclude-target |
关 | 把目标本身当不可购（避免可买目标 0 步满分） |