第 3 章 分子线：设计与合成的四道工序

第 3 章 · 分子线：设计与合成的四道工序

章节摘要：本章跟着一个激酶抑制剂项目走分子线的设计拍与合成拍。四节对应四道工序：靶点验证（决定打谁）、基于结构的设计（看着口袋画分子）、基于配体的设计与虚拟筛选（从已知活性分子出发找新候选）、从头设计与 ADMET 评估（生成全新骨架并把好成药关）。读完你能解释每道工序回答什么问题、依赖什么数据、产出什么交付物。

一条主线

导读那份生物科技项目书的靶点是某个高频突变的激酶——突变让激酶持续活化，驱动肿瘤生长。项目组的第一件事不是画分子，而是回答"打它安全吗、有效吗、值得吗"：这就是靶点验证，分子线里唯一比分子设计更贵也更容易被省略的工序。验证过关后，团队拿到突变激酶的结构（或同源建模的替代品），进入基于结构的设计：口袋在哪、关键相互作用是什么、先导物怎么摆。与此同时，公司的历史化合物库里躺着一批对该激酶家族有活性的旧分子——基于配体的方法从它们身上提取规律，虚拟筛选在千万级库子里捞便宜机会。最后一道工序把前面所有产出汇成候选：从头设计补全新骨架，ADMET 双闸把毒性、代谢、药代不过关的分子拦在合成之前。四道工序不是串行独木桥，而是并行的漏斗组，宽度由预算决定。

沿途站点

3.1 靶点选择与验证：先定对手再出招

分子线的立项评审。可药性判据、遗传学与化学基因组学的验证证据、靶点选择里最常见的死法（体外有效体内无效、靶点必需导致毒性无法分离），以及耐药突变如何进入设计约束。

3.2 基于结构的药物设计：从口袋到分子

看结构做设计的全套：结构来源与质量分级、口袋分析、分子对接的打分逻辑与读数方法、基于片段的生长策略。附一个对接打分换算成结合常数的演算会话。

3.3 基于配体的设计与虚拟筛选：从旧分子找新线索

没有结构时的主力：药效团模型、QSAR 的建模纪律、相似性检索的定位，以及千万级虚拟库的分级筛选流水线（药效团粗筛、对接精筛、多样性去冗余）。

3.4 从头设计与 ADMET 双闸：生成新骨架并把关出口

生成模型如何造出库中不存在的骨架（与第 4 章深度学习衔接），以及 ADMET 漏斗——吸收、分布、代谢、排泄、毒性逐项过关，类药规则与 ALERT 结构清单作为便宜的第一道闸。

拐点与结论

本章的转折点在 3.4：传统的"先优化活性再查毒性"次序，正在被"活性与成药性多目标并行优化"取代——因为在活性的单一维度上做到极致的分子，常常在 ADMET 上不可救药，返工成本远高于并行约束。第二个转折在 3.1：靶点质量的证据标准提高了。过去"有个体外数据就上"的时代，对应的是临床后期大批项目倒在有效性上；如今遗传学验证（人源基因证据）几乎成了大适应症靶点的入场券。

读完你应该

1. 能用可药性三判据评估一个靶点，并说出证据等级从弱到强的排列。
2. 能读懂一份对接报告：打分怎么来的、能量与结合常数的换算、什么情况下打分不可信。
3. 能给一个虚拟筛选项目设计分级漏斗，并解释每一级淘汰什么。
4. 能解释 QSAR 模型的验证纪律（为什么训练集 R 平方高不等于能用）。
5. 能对一个候选分子跑一遍类药规则与结构警示检查，判断它该不该进合成队列。

下一章的接力

四道工序产出的每个分子都带着数据档案，这些档案如何沉淀为组织级的预测能力，是第 4 章数据引擎的主题——表征学习、生成模型、可解释护栏，都是在本章工序之上的加速器。