rxnfp（Reaction Fingerprint）是一个基于 Transformer 模型的化学反应指纹工具库，由 IBM 欧洲研究院与伯尔尼大学团队联合开发，核心用于从化学反应的文本表示（反应 SMILES）中提取 “反应级特征”，支持反应分类、产率预测、反应空间映射等化学信息学任务。相关研究成果发表于《Nature Machine Intelligence》等期刊，是化学 AI 领域的重要基础工具。

核心功能与特点

1. 反应指纹生成：基于预训练的 BERT 模型（Transformer 架构），直接从 “反应 SMILES”（如反应物.试剂>>产物的字符串）中提取固定长度的向量（rxnfp 指纹），无需手动区分反应物 / 试剂、无需原子映射，适配任意类型的有机化学反应。

   • 指纹维度：默认 256 维（可通过模型微调调整）；
   • 核心优势：通过 “掩码语言建模” 预训练，自动学习反应中的键断裂 / 形成规律、试剂作用等 “化学语义”，远超传统结构型指纹（如 AP3）的表达能力。

2. 支持的任务：

   • 反应分类（如识别 Suzuki 偶联、Buchwald-Hartwig 胺化等反应类型）；
   • 反应产率预测（作为 Yield-BERT 模型的基础特征）；
   • 化学反应空间映射（结合 TMAP 降维实现反应聚类与相似性搜索）。

3. 易用性：提供 Python 库（rxnfp）和预训练模型，可直接通过代码调用生成指纹，示例如下：

   from rxnfp.transformer_fingerprints import (
       RXNBERTFingerprintGenerator, get_default_model_and_tokenizer
   )
   model, tokenizer = get_default_model_and_tokenizer()
   fp_generator = RXNBERTFingerprintGenerator(model, tokenizer)
   rxn_smiles = "CC(=O)O.OCC>>CC(=O)OCC.O"  # 酯化反应示例
   fingerprint = fp_generator.generate_fingerprint(rxn_smiles)  # 生成256维rxnfp指纹
   

是否包含 rxnfp 分子指纹数据集？

该仓库不直接提供预生成的大规模 rxnfp 指纹数据集，但包含以下与数据集相关的资源：

1. 示例数据与生成脚本：

   • 仓库的 “Examples” 板块提供小规模示例数据（如 Schneider 50k 数据集的子集、USPTO 1k TPL 的部分反应），并附代码演示如何用rxnfp工具生成指纹；
   • 提供与核心论文对应的实验脚本（如反应分类、空间映射），可基于公开反应数据集（如 USPTO、Pistachio）自行生成 rxnfp 指纹。

2. 关联数据集链接：文档中明确标注了论文中使用的公开数据集来源（如 USPTO 1k TPL、Schneider 50k），用户可下载原始反应 SMILES 数据后，通过rxnfp工具批量生成指纹。

3. 预训练模型权重：仓库提供预训练的 BERT 模型权重（用于生成 rxnfp 指纹），无需用户重新训练，可直接用于处理自定义反应数据。

其他关键资源

• 预训练模型：提供多个版本的预训练模型（如基于 Pistachio 数据集训练的模型），支持直接加载使用；
• 交互式可视化：包含化学反应空间映射的 TMAP 图谱（基于 rxnfp 指纹生成），可在线查看反应聚类结果；
• 安装与文档：通过pip install rxnfp即可安装，文档包含详细的 API 说明、实验复现步骤和常见问题解答；
• 引用信息：相关研究需引用论文《Mapping the Space of Chemical Reactions Using Attention-Based Neural Networks》（2021, Nature Machine Intelligence）。

总结

rxnfp仓库的核心是提供生成 rxnfp 反应指纹的工具（预训练模型、Python 库）和实验框架，而非现成的大规模指纹数据集。用户需自行获取原始反应 SMILES 数据（如 USPTO、Schneider 50k），通过仓库提供的工具生成 rxnfp 指纹。这种设计的优势是支持用户灵活处理自定义反应数据，适配不同研究场景。