两个瓶颈制约反应预测
论文从生成式分子设计的一个现实约束出发：一个被设计出来的分子，只有真的能被合成才有用。计算反应模型本可以帮忙，但作者指出两个相互关联的限制。第一，与类药物分子相关的反应，参考数据太少。第二，当一个骨架上有多个反应性相近的C–H键时，预测区域选择性——也就是分子中究竟哪个原子参与反应——非常困难。
论文选择的对象是C–H硼化，这是一种后期官能团化反应，把C–H键转化为硼酸酯。该酯随后可作为下游交叉偶联的反应位点，因此一个中间体就能衍生出许多类似物。正确预测位点的价值因此很直接：它决定了化学家能构建哪一种类似物。论文把数据稀缺和位点级准确性当作同一个问题，而不是两个问题。
主动学习决定下一批实验
工作流不随机筛选化合物，而是运行三轮闭环：训练模型，让模型挑选候选底物，做实验室实验，再更新训练数据。负责挑选的模型是树集成模型，而不是深度神经网络。作者从计算成本上给出理由：每一轮之后都要重新训练这个代理模型，并对数百万个候选分子打分，而树集成在计算成本只有深度集成一小部分的情况下仍具竞争力。
采集函数和模型类别同样重要。论文报告了用XGBoost集成做条件无关预测时对十种采集函数的回顾性基准测试，比较预测性能（MCC）随采样分子数的变化，以及用期望校准误差衡量的校准情况。在前瞻性实验中，探索性的BALD采集函数被认为挑选出了结构多样的底物。支持这种多样性的证据很具体：第1轮采样覆盖了基于GIRAFFE嵌入构建的t-SNE空间中的全部六个k-means簇；第1至3轮中，与最近训练集邻居的平均Tanimoto距离为0.69；新增42个此前未见的Bemis–Murcko骨架，使唯一骨架数从105增至147，增幅40%。
实验活动为数据补充了什么
起点是626个区域选择性数据点和2,044个高通量实验反应，覆盖518个底物，用于二分类和产率预测。三轮主动学习新增30个底物和186个分子，最终数据集包含812个起始原料和920个硼化产物。在此前未报道的底物中，80个为阳性、106个为阴性，来自1,030个反应，其中348个此前未报道。
数据组成的变化对建模很重要。与最初的文献数据集相比，扩展后的数据集阴性样本更多（106对0），含多个潜在硼化位点的分子也更多（两个位点：172对147；三个位点：9对4；四个位点：3对1）。没有阴性样本的数据集无法教会模型识别失败，而由单位点底物主导的数据集无法教会模型区分位点。用于分析的最终数据集包含6,865个反应，其中4,821个来自主动学习轮次；阳性定义为产率≥5%，阴性定义为产率<5%。
几何图神经网络在困难划分上胜出
有了更大的数据集，作者转向几何图神经网络。这类模型直接作用于三维分子图，并通过架构约束编码平移、旋转和置换对称性。他们把十种几何图神经网络与多种XGBoost编码在三种难度递增的数据划分上比较：随机划分、Butina聚类划分和Bemis–Murcko骨架划分。这些划分回答不同的问题：随机划分检验在熟悉化学空间内的插值，骨架划分检验对未见分子骨架的泛化。
结果取决于使用哪种划分，这是读者应重点把握的比较。在随机划分上，最佳图神经网络与使用类别和数值反应条件的XGBoost表现相当。在更难的Butina和骨架划分上，图神经网络优于XGBoost。在最后一轮主动学习的骨架划分中，图神经网络的平均MCC在0.43至0.50之间，而最佳XGBoost模型的MCC为0.35±0.12。仅用底物指纹训练的XGBoost在所有划分上表现都很差，作者据此认为反应条件对准确预测不可或缺。
两个阴性结果同样是结论的一部分。作者没有观察到不同内部坐标系或对称性约束的图神经网络之间存在系统性性能差异，也没有发现等变模型相对不变模型有明确优势。真正持续有帮助的，是在训练中加入可选的自监督辅助任务——坐标去噪和节点掩码策略——它们为各类模型带来了普遍的性能提升。
区域选择性是原子级任务
预测反应是否成功和预测反应发生在哪里是两个不同问题，论文将它们分开处理。区域选择性被定义为节点级二分类：判断每个sp2和sp3碳是否被硼化，且不依赖反应条件。这比反应结果预测更严格：模型必须在同一分子内对相互竞争的位点排序，而不是给整个底物分配一个标签。
作者明确指出，主动学习的判定模型针对的是反应可行性二分类，而不是区域选择性，因此两者只是间接耦合。他们的理由是流程上的：区域选择性标注需要先有成功的硼化，再做放大合成和结构表征，而这些在底物被选中之前都不存在。因此，可行性二分类筛选是前提，而不是替代品。他们指出，一个同时针对可行性和区域选择性不确定性的多任务判定模型会更直接地服务于下游目标，但计算成本显著更高，留待未来工作。
前瞻性测试与第二种反应
最具决策价值的证据来自前瞻性测试，而非回顾性测试。在含N-杂芳基结构、此前未见的底物上，测试在所有案例中都找出了正确的硼化位点。作者还做了一次计算机模拟的后期官能团化练习：取十个初始底物预测得分最高的硼化位点，通过Suzuki–Miyaura偶联与一个精选的芳基卤化物砌块库反应，使虚拟产物多样化；对GIRAFFE嵌入产物做t-SNE可视化，显示可覆盖广泛的化学多样性。
为检验基准测试的规律能否推广到硼化之外，作者在Minisci C–H烷基化上评估了同一组图神经网络和XGBoost模型。这是一种机理不同的自由基介导反应，数据集包含80个杂环底物、59种烷基自由基源上的13,490个反应。依赖划分的规律再次出现：在随机划分上，图神经网络与带反应条件的XGBoost表现相当；在骨架划分上，图神经网络优于XGBoost；用Spearman相关性衡量连续产率预测时也是如此。自监督辅助任务再次在多种架构上带来帮助，在骨架划分上提升最大，同样没有单一架构表现出系统性优势。
优势止于何处
论文自身的局限让解读更清晰。作者表示，在其实验数据集的规模下，高斯过程和深度神经网络集成在计算上同样可行，还可能提供互补优势，例如有原则的贝叶斯后验；选择XGBoost体现的是偏向简单性和有竞争力的不确定性校准的权衡，而不是宣称其普遍最优。模型还需要更大、更多样的公开反应数据集，尤其是要解决当前二分类数据集中的类别不平衡，并纳入更高比例的类药物分子，因为EquiformerV2模型在结构最复杂的底物上准确率下降。
骨架覆盖也仍然有限：训练集对候选池中6,547个唯一骨架的覆盖率在三轮中从0.87%升至1.34%。作者承认，对如此大的化学空间而言，完全覆盖不现实，转而以未见骨架上的前瞻性验证作为模型在已探索域内可泛化的证据。这比“覆盖整个化学空间”的结论要窄，也正是数据所能支持的结论。
论文确立的优先级
论文最有用的结论是对投入方向的排序。在测试过的各种因素中，架构选择是最弱的区分因素：不变、等变和无约束的几何图神经网络之间没有系统性差异，在机理不同的Minisci反应上也是如此。作者据此认为，对于类药物分子的反应预测，在具备基线水平的几何感知之后，数据质量和训练策略可能比架构表达力更重要。
真正改变结果的两个因素是训练数据的组成和训练目标。在大多数架构与划分组合中，主动学习使测试MCC逐轮提高，第一轮提升最大；在线自监督辅助任务在大多数架构上提升了性能，且不需要外部无标注语料或单独的预训练阶段。对于一个要在数据稀缺反应上决定投入方向的团队，论文的证据首先指向如何选择实验、如何对模型做正则化，其次才是选择哪种对称性感知架构。
本文引用的文献
Advancing chemical reaction prediction in data-scarce drug discovery with active and geometric deep learning
一项闭环主动学习活动将C–H硼化数据集扩展到812个起始原料和920个产物；带自监督辅助任务的几何图神经网络预测了反应结果和区域选择性，并在所有针对未见N-杂芳基底物的前瞻性测试中找出了正确的硼化位点。