ASKCOS：MIT 合成规划平台介绍

ASKCOS（MIT）是功能最全面的开源合成规划平台。与 AiZynthFinder 专注逆合成不同，ASKCOS 把逆合成、正向反应预测、条件推荐、可行性评估整合在一起，是理解「合成 AI 全链」的好载体。

模块构成

模块	功能
逆合成规划	树搜索 + 模板/无模板策略
正向反应预测	给定反应物预测产物（见 388《反应产物预测》）
条件推荐	预测催化剂、溶剂、试剂、温度（见 389《反应条件与产率预测》）
产率预测	估计反应产率
杂质预测	预测可能的副产物
位点选择性	预测反应发生在哪个位点
可购买性查询	判断化合物是否可得
SCScore	合成复杂度评分（见 390《合成可及性再讨论》）

「逆合成 + 正向验证」的闭环是它的特色：逆合成提出一个切断后，可以用正向反应模型检验「这两个前体真的能反应生成目标产物吗」，从而剔除不合理的建议。

部署

# 推荐用 Docker 部署（依赖较多）
git clone https://github.com/ASKCOS/askcos-base.git
cd askcos-base

# 按官方文档配置并启动各服务
# 包含：Web 界面、API 服务、模型服务、数据库
docker compose up -d

# 访问 http://localhost 使用 Web 界面

# 部署较重：需要较大磁盘（模型与数据）与内存
# 若只需逆合成，AiZynthFinder（见 385）轻量得多

API 调用

import requests

BASE = "http://localhost/api/v2"

# 1) 逆合成树搜索
r = requests.post(f"{BASE}/tree-builder/", json={
    "smiles": "CC(=O)Oc1ccccc1C(=O)O",
    "max_depth": 5,
    "max_branching": 25,
    "expansion_time": 60,
    "template_count": 100,
    "filter_threshold": 0.75,
})
task_id = r.json()["task_id"]

# 轮询结果
result = requests.get(f"{BASE}/celery/task/{task_id}/").json()

# 2) 正向反应预测
r = requests.post(f"{BASE}/forward/", json={
    "reactants": "CC(=O)O.OCC",
    "reagents": "",
    "solvent": "",
    "num_results": 5,
})
for p in r.json()["output"]:
    print(f"{p['smiles']}  概率 {p['prob']:.3f}")

# 3) 条件推荐
r = requests.post(f"{BASE}/context/", json={
    "reactants": "c1ccc(Br)cc1.OB(O)c1ccccc1",
    "products": "c1ccc(-c2ccccc2)cc1",
    "num_results": 5,
})
for ctx in r.json()["output"]:
    print(f"温度 {ctx['temperature']:.0f}°C")
    print(f"  溶剂: {ctx['solvent']}")
    print(f"  试剂: {ctx['reagent']}")
    print(f"  催化剂: {ctx['catalyst']}")

与 AiZynthFinder 怎么选

维度	AiZynthFinder	ASKCOS
功能范围	专注逆合成	全链条
部署难度	pip install 即可	需 Docker 多服务
资源需求	轻	较重
集成难度	易嵌入 Python 流程	需通过 API
条件预测	无	有
正向验证	有过滤模型	完整的正向预测
批量处理	方便	需自建队列

选择建议：只需要「这个分子能不能合成」的批量筛选 → AiZynthFinder；需要完整的合成规划辅助（含条件推荐）→ ASKCOS。

正向反应预测的价值

这是 ASKCOS 相对逆合成专用工具的关键增量：

• 验证逆合成建议：逆合成说「A + B → C」，正向模型检验这个反应是否真的会给出 C（而不是别的产物）；
• 预测副产物：反应可能生成什么杂质，有助于提前规划纯化；
• 位点选择性：分子有多个反应位点时，反应会发生在哪个——这是合成规划中很实际的问题；
• 官能团兼容性：分子中的其它官能团会不会干扰。

用于教学与理解

ASKCOS 的一个被低估的价值是它把合成 AI 的各个环节都摆出来了：

• 想理解「模板是怎么从反应数据中提取的」→ 看它的模板提取代码；
• 想理解「树搜索怎么工作」→ 看它的搜索实现；
• 想理解「条件预测建模成什么问题」→ 看它的条件推荐模块；
• 对要自建合成 AI 能力的团队，它是很好的参考实现。

局限

• 部署门槛：多服务架构，维护成本不低；
• 训练数据同样有偏：主要基于 USPTO 反应，与 AiZynthFinder 面临同样的「只见过成功反应」问题；
• 条件预测精度有限：给出的是「统计上常见的条件」，不是「针对这个具体底物的最优条件」；
• 产率预测参考价值低：这是整个领域的共同短板；
• 仍需化学家评审：所有输出都是建议而非方案。

延伸资源

• 对照工具：385《AiZynthFinder》、387《IBM RXN for Chemistry》；
• 反应预测：388《反应产物预测》、389《反应条件与产率预测》；反应数据：399《反应数据库》。