知识卡片：引导大语言模型预测编辑序列以优化分子可合成性

一句话结论

SynCraft 将分子可合成性优化重构为“大语言模型预测原子级结构编辑序列”的任务，而非直接生成 SMILES；材料摘要称其在多个基准上优于现有方法，并能以较高结构保真度生成可合成类似物，同时保留专有与开放权重后端的可比表现。完整实验细节、湿实验验证与局限性待核实。

事件概述或研究问题

生成式人工智能已推动化学空间探索，但大量生成分子无法合成，成为药物设计中的关键瓶颈。现有方案如事后过滤或基于投影的方法，常通过把分子强制映射到预定义合成模板来提升可合成性，可能牺牲结构新颖性或破坏关键药效团。
该研究提出的问题是：能否利用大语言模型的推理能力，把可合成性优化从“序列翻译”转为“精确结构编辑”，在不直接生成 SMILES 字符串的情况下，预测可执行的原子级编辑序列，从而修复不可合成分子并保留关键结构特征。

方法/产品要点

• 框架名：SynCraft，定位为基于推理的框架。
• 核心重构：将可合成性优化视为精确结构编辑问题，而非序列翻译任务。
• 输出形式：预测可执行的原子级编辑序列，而不是直接生成 SMILES 字符串；材料称此举可规避 LLM 的句法脆弱性，同时利用其化学直觉。
• 关键概念：synthesis cliff，即最小结构修改可能带来合成可行性大幅提升。
• 交互方式：通过 interaction-aware prompting，材料称其可复现专家药物化学直觉。
• 应用封装：框架被封装为 agent skill，并演示了端到端候选分子拯救工作流。
• 数据与代码：测试集、合成悬崖训练语料（3,332 对，含推理轨迹）、多 LLM 推理输出、PLIP-retention 表和案例结构通过 Figshare 提供；SynCraft 实现、复现脚本和 agentic skill 包通过 GitHub 和 Zenodo 提供，GitHub 标注 MIT 许可。
• 图示涉及：SynCraft 框架、基于生物等排编辑的合成悬崖、对专家直觉的回顾性验证、RIPK1 候选物的前瞻性拯救、以及 agent-skill Mpro 拯救中的结合模式保持。

主要结果或产业意义

• 摘要称，广泛基准显示 SynCraft 在生成可合成类似物方面优于当前最优基线，并具有高结构保真度。
• 摘要称，专有模型与开放权重后端在该任务上表现相当。
• 案例方面：SynCraft 被用于编辑 PLK1 抑制剂，并拯救此前在分子生成文献中被丢弃的高分 RIPK1 候选物；还以 SARS-CoV-2 主蛋白酶候选分子为例展示端到端拯救工作流。
• 产业意义：若结果可复现，该方法可能帮助药物设计团队减少“生成分子不可合成”的浪费，把高分但难合成的候选物转化为可合成类似物，并保留关键药效团与结合模式。实际合成成功率、产率、成本和实验验证程度待核实。

为什么重要

计算药物设计中，生成模型常产生结构新颖但难以合成的分子；合成可行性是连接计算设计与实验实现的关键门槛。SynCraft 的增量在于：把大语言模型用于化学结构编辑序列预测，而不是直接生成分子字符串或只做事后过滤。这为 foundation-model 在药物发现中的应用提供了一个“推理—编辑—修复”的路径。
与已有相关卡片的关系：现有卡片关注荷兰政府 LLM 评估、选择性披露水印、流式语音到语音自然度基准；本条没有重复这些事实，增量在于把大语言模型能力扩展到分子可合成性优化与原子级结构编辑。

局限与不确定性

• 当前材料主要为期刊页面摘要与订阅预览，完整方法、基准设置、评价指标、统计显著性和消融实验待核实。
• 摘要称“优于 state-of-the-art baselines”，但具体基线、数据集、指标和提升幅度待核实。
• “可执行编辑序列”是否经过实际化学合成或湿实验验证，待核实。
• 编辑后分子的产率、反应条件、可制造性、安全性、专利与监管影响，待核实。
• 专有与开放权重后端“性能相当”的具体模型、提示策略、推理成本与复现条件，待核实。
• PLK1、RIPK1、SARS-CoV-2 主蛋白酶案例的实验验证程度与结合模式保持的量化证据，待核实。
• 3,332 对合成悬崖训练语料的覆盖范围、偏置与泛化能力，待核实。
• 数据与代码虽已给出链接，但独立复现结果与长期维护情况待核实。

可用于图书/PPT/简报的角度

• 从“生成分子”到“修复分子”：LLM 在药物设计中的新角色。
• 合成悬崖：为什么最小结构编辑可能显著改善可合成性。
• 不让 LLM 直接写 SMILES：用原子级编辑序列规避句法脆弱性。
• Agent skill 与端到端候选拯救工作流：AI 如何介入已搁置的高分候选物。
• 专有模型与开放权重模型在化学推理任务上的可替代性。
• 计算药物设计中的可合成性瓶颈：后过滤、投影方法与结构编辑方法的差异。
• 可用于讨论“结构保真度”与“可合成性”之间的权衡。

原始材料

• 英文标题：Guiding large language models to predict edit sequences for molecular synthesizability optimization
• 英文关键词（据标题/摘要提取）：large language models; molecular synthesizability; edit sequences; structural editing; SynCraft; drug design; synthesis cliff
• 期刊：Nature Machine Intelligence
• 在线发表：23 September 2026
• DOI：10.1038/s42256-026-01304-x
• URL：https://www.nature.com/articles/s42256-026-01304-x
• 作者：Junren Li; Luhua Lai
• 数据可用性：Figshare，https://doi.org/10.6084/m9.figshare.33201870
• 代码可用性：GitHub，https://github.com/catalystforyou/SynCraft-Core（MIT-licensed）；Zenodo，https://doi.org/10.5281/zenodo.21869222
• 来源类型：Nature Machine Intelligence 文章页面摘要/预览信息