Chemformer:AstraZeneca (Molecular AI, Discovery Sciences)
预训练的分子字符串序列模型,用于反应预测与逆合成,长期作为对照基线。
小分子 · 药企 · 瑞典、英国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | Chemformer |
| 家族 | 否(同机构的多步逆合成搜索工具是另一个项目,不并入本记录) |
| 机构 | AstraZeneca (Molecular AI, Discovery Sciences) |
| 机构类型 / 国家 | 药企 / 瑞典、英国 |
| 模型类别 | 逆合成 / 反应预测(字符串序列模型) |
| 领域 | 小分子(次领域:分子生成) |
| 首次发布 | (依据:预印本上线(登记机构记录)) 站上以 2021-12 / 2022 期刊为发布;首发按预印本 |
| 其他里程碑 | 最早公开证据 (预印本上线);预印本 v1 (预印本 v1);期刊上线 †(未核实)(期刊记录 issued 日(登记记录 created 为 2021-12-07)) |
| 最近更新 | †(未核实),已归档:原代码仓库归档为只读;自 2022 年期刊论文后未见本模型的新版本,后续开发据称转入该组的另一个模型库。这是最近一次有出处的事件(原记为代码发布,且描述引的是同机构另一项目的版本发布,已删除该事件)。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:不明;权重:不明;原仓库已归档且本轮接口查询返回不可用,许可证未在页面标明;同机构的搜索工具为 MIT,但那是另一项目 |
| 状态 | 已归档:原仓库已只读归档,无新版本 |
| 报过的 benchmark | 1 项计入(自报 1) |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站实体库未检出对应页面) |
| 截至 | 2026-11-16 |
做什么
在大规模分子字符串上预训练的编解码 Transformer,微调后用于正向反应预测、逆合成与分子优化;单步预测可被多步搜索工具调用拼成合成路线。相对 RetroDFM-R 与 Uni-Mol3,它更多是新模型的比较对象而不是新方法。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。1 项计入(自报 1)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 07 USPTO family (+PaRoutes) | 开发方按官方口径自报 | 是 | — | 自报 | 官方小集逆合成划分,原论文自报;后续模型论文表中的转引属仅作比较引用,不另算配对。本页不转录分数 | 出处 |
其他评测(不在 44 项内)
- 单步逆合成第三方基准(仅与基线对比,第三方):2023 年一项第三方对比把它列为表现最好的无模板模型,并在一个公司内部反应集上做了对照;该内部集外部不可得(部分数值为二手整理)
- 多步路线成功率研究(自建任务集,自报):同机构研究在专有化合物集上报告多步路线成功率高于模板基线,并在一个公开化合物集上得到同向结果;训练用约千万量级专有反应,外部无法复现
开发方称:大规模字符串预训练后,一个编解码模型即可覆盖正向、逆向与优化三类序列任务,并在官方逆合成划分上优于当时的无模板方法。
独立证据:一项 2023 年第三方单步逆合成对比把它评为最好的无模板模型;后续模型论文在自己的表中也把它列为更高的对照项(均不转录数值)。
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 公开专利反应集与公开分子字符串库用于预训练 | 出处 |
| b 私有 / 授权 | 是 | 一个公司内部反应数据集被用于对比与下游实验,规模与条款只有声明、未公开细节 | 出处 |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | 论文无湿实验验证 | 出处 |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:开发方是一家总部在英国的大型制药公司,三个战略研发中心分别在英国、美国与瑞典;本模型出自其瑞典哥德堡地区发现科学部门下的分子 AI 组。公司 2025 年报口径为营收约 587 亿美元、员工约 96,100 人。
- 融资:公司内部研发预算,无独立融资;论文未列外部基金。
- 产品与合作:同组的开源工具线另有多步逆合成搜索工具(MIT,可接入单步模型)与分子生成工具 REINVENT 4,它们是独立项目,其版本发布不属于本模型的事件;本模型被站内 Uni-Mol3 与 RetroDFM-R 当作基线。
- 相关模型:REINVENT 4、Uni-Mol3、RetroDFM-R
怎么看
- 它是逆合成对照里最稳的序列基线:后续模型在自己的表里就承认其单步成绩更高。
- USPTO 小集上的差距很小,且该集存在模板泄漏,排名意义有限。
- 有二手报道指出仅用专利反应训练的模型在简单药化反应上表现差,基线分数不能外推到真实药化。
- 多步路线成功率来自公司专有数据,外部无法复现;仓库归档后无新版本。
局限与注意
- 原仓库已归档,许可证与权重状态不明。
- 站上曾把同机构另一项目的版本发布记成本模型的更新。
- 内部反应数据集的规模与条款只有声明。
- 期刊上线日在两个记录间有出入,标部分核实。
来源
- 模型期刊论文(期刊)
- 登记机构记录(日期依据)(存档)
- 已归档代码仓库(仓库)
- 第三方单步逆合成对比(第三方论文)
- 同机构多步路线研究(期刊)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。