分子模拟筛选

分子模拟筛选是药物和化学材料研发里最常被神化、也最常被误用的环节。我见过太多团队把几百万化合物一股脑丢进对接软件，出来一个排名就当成宝藏，结果合成验证全军覆没。筛选不是跑分比赛，而是一道道漏斗，每一层都在替你淘汰不可信的东西。

一、背景：为什么筛选是漏斗不是终点

我们帮一个农药团队筛先导，第一版他们要”全库逐分精算”，几十万分子直接吓退预算。后来改成两级漏斗：先粗筛砍掉九成，再对剩的下精细打分，成本降一个数量级，命中也没漏关键的。筛分子最忌一上来就上重武器。

另一类常见错是拿单一性质当筛标准，比如只看结合能，结果筛出一堆难溶、有毒、合成不了的分子。分子模拟筛选必须多指标联合，否则筛得越狠离可成药越远。

一个真实的苗头发现流程，对接只是第一层粗筛，后面还有精修、ADMET 预测、合成可行性评估。我们在做分子模拟筛选时，始终把对接分当”相对排序”而非”绝对结论”。一个 分子模拟筛选 如果止步于对接排名，命中率低到令人绝望几乎是注定的，因为它跳过了所有验证环节。

二、核心原理：筛选在逐层降噪

筛选的核心是建立可解释的淘汰逻辑，而不是堆分数。我们习惯把 ADMET 性质、合成可行性、结合模式合理性做成并联闸门，任何一项红牌就出局，避免”分数高但根本做不出来”的伪命中。

打分函数分层也关键。粗筛用快但偏的近似换通量，精筛用更贵但准的模型。两层用不同函数，中间必须做相关性校准，否则粗筛排前面的在精筛里全掉队，漏斗白搭。

第一层用对接快速排除明显不结合的；第二层用 MM-GBSA 或分子动力学给 Top 候选算更接近自由能的量；第三层做类药性和合成可行性过滤。每一层都在用更贵但更准的量，替换前面便宜但粗糙的量。我们内部的筛选流水线严格按这个层级走，宁可少给几个候选，也不给一堆经不起推敲的排名。

三、关键技术要点：三个决定命中的因素

决定可信度的三个环节：一是属性预测模型的适用范围，别拿训练集外的化学空间硬套；二是结合模式人工抽检比例，粗筛不能全信机器；三是多指标权重的来源，是文献还是先验，得说清。

构象采样质量也是暗坑。柔性分子不枚举构象，最低能构象可能根本没被采样到，筛掉的真命中后面实验才冒出来。我们对柔性骨架强制构象展开，不让”采样盲区”污染漏斗。

第一是化合物库质量，重复结构、不可能合成的、质子化错误的，进库前就该清掉，否则排名被垃圾占满。第二是口袋与受体处理，刚性受体和错误质子化是假阳性的两大源头。第三是打分策略，单一打分函数不够，我们常做多软件交叉，取共识候选。做筛选最怕”库脏+受体错+单打分”，三件套齐了命中率基本归零。

四、实操流程：从库到苗头

从库到候选，我们固定五级：结构清洗→属性闸门→粗筛对接→精筛重打分→TOP N 人工复核。每级留淘汰理由，客户回头看任一分子为什么出局都查得到，不是黑箱丢数。

精筛阶段我们强制输出每分子的”出局/晋级证据链”：哪条性质红牌、结合模式哪里 clash。这比单纯给分数表更有用，合成团队拿去立马知道怎么改骨架。

落地步骤：库清洗与标准化→靶点口袋与受体准备→对接粗筛→Top 候选 MM-GBSA/MD 精修→类药性与合成评估→输出可验证苗头清单。当你把 分子模拟筛选 当成”层层降噪”来做，最后剩下的几十个候选里真阳性的比例会明显提升，湿实验同事也愿意接你的清单。

五、常见问题：筛选阶段的典型坑

分子模拟筛选最典型翻车是只盯结合能，筛出难溶剧毒分子；其次是粗筛精筛函数没校准，漏斗 upstream 排前面的 downstream 全掉；还有不枚举构象漏掉真命中。

另一类坑是属性模型超出适用范围，比如拿类药小分子训的模型去筛农药大骨架，预测值纯噪声。我们对每类化学空间单独标定模型，不通用硬套。

最频繁的是库没清洗，排名前列全是不可合成的分子。其次是只信一个软件一个打分，假阳性满天飞。还有人跳过精修直接交付几千个”高分”，下游根本用不起。这些坑的根因是”重数量轻质量”，靠库治理和分层验证就能根治。

六、复盘总结：筛选的三条经验

回过头看，分子模拟筛选最怕”一杆尺子量天下”。结合能、ADMET、合成可行性是几把不同的尺，缺一把就筛出一堆做不出来的伪苗头。

我们的经验：多指标并联闸门 + 两层函数校准 + 构象展开，三件事齐了，漏斗才既省算力又不漏真命中。

回过头看，分子模拟筛选最值钱的是”漏斗思维”和”质量优先”。库要干净、打分要交叉、结论要精修。我们交付的筛选清单，必附富集检验和精修能量，客户拿去合成验证心里有底。把这三件事做扎实，筛选才是研发的加速器而不是噪声制造机。