设想你走进一家高级定制甜品店。主厨唐师傅从不凭空发明甜点，而是先听你说三件事：第一，今晚主菜是烤鸭，甜点最好带果香解腻——这是“靶点结合”，要和目标环境完美搭配；第二，你很喜欢他家的经典提拉米苏，希望新甜点保留那层咖啡香气——这是“结构相似性”，参考已有的有效配方；第三，你最近控糖又是过敏体质，要求低糖无坚果——这是“ADMET 引导”，安全、好吸收、不闯祸。唐师傅把三张需求单写进订单，在厨房里精心调配、反复试味，最终端出的甜点，既好吃又健康，还带着经典款的灵魂。 这就是条件生成在药物分子设计中的工作方式：AI 模型是唐师傅，靶点结合、结构相似性、ADMET 就是顾客的三张需求单。本文带你进后厨参观——订单如何编码、配方如何统筹、品鉴师如何把关，让你从原理到实践，完整看懂 AI 制药里的这间“定制甜品店”。

岗位关联

掌握条件生成的核心理念与实操方法，你将拥有 AI 制药分子设计岗位上最核心的生产力：让生成模型不仅“会生成”，更“生成得对”。

目录
  1. 可视化演示
  2. 条件生成概述
  3. 靶点结合条件
  4. 结构相似性
  5. ADMET 引导
  6. 条件编码技术
  7. 多目标平衡
  8. 样本筛选方法
  9. 应用与挑战
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

展示条件生成模型在靶点结合、结构相似性与ADMET属性引导下生成候选分子的完整流程，多目标帕累托优化与样本筛选策略。切换模式查看不同维度，拖动滑块调节约束强度。

本节配有交互动效（进入视口后自动加载，约 3KB）。

条件分子生成流程 条件编码将靶点结合与ADMET约束嵌入隐空间 解码器在条件引导下生成满足约束的分子结构 p(mol|c) = decode(encode(c) + z) 条件生成实现多属性定向分子设计

条件生成概述

传统甜品店的抽屉里躺着流水线生产的奶油泡芙，味道千篇一律，谁来买都是同一款——这就是无条件生成：模型只学习数据的整体分布，从里面随机抽取样本。而唐师傅的定制甜点，每一份都根据订单单调整奶油比例、水果搭配甚至糖度——这就是条件生成：在生成时额外输入约束信息，让产出的分子“按需定制”。在药物设计里，我们从来不想要“随机的分子”，而想要“刚刚好能治这个病”的分子。

分子生成模型的底子，通常是变分自编码器、生成对抗网络或扩散模型，它们先把分子表示为字符串或分子图，再学习如何从噪声或潜变量中重建出合理结构。条件生成在这些框架上增加了一条输入通道——条件向量 C，把靶点、相似性锚点、ADMET 属性等信息“灌进”模型，引导解码器在正确的化学空间中探索。

唐师傅拿到订单本的那一刻，就知道今天的重心是果香还是低糖。条件生成也是一样——条件越清晰，模型越不容易跑偏。

P(M∣C)=P(C∣M)⋅P(M)P(C)\displaystyle P(M \mid C) = \frac{P(C \mid M) \cdot P(M)}{P(C)}
这个贝叶斯公式是说：给定条件 C 时，生成分子 M 的概率，等于“这个分子满足条件的程度”乘上“分子本身长得像合理药物”的程度，再归一化。
  1. 分子 M模型要生成的候选分子，如同甜品店的半成品：一块蛋糕胚、一团奶油。
    MM
  2. 条件 C靶点结合、结构相似性、ADMET 属性等约束的集合，对应顾客的三张需求单。
    CC
  3. 条件概率 P(M|C)在条件 C 下生成分子 M 的概率，条件越明确，概率分布越集中，生成就越“有的放矢”。
    P(M∣C)=P(C∣M)⋅P(M)P(C)P(M \mid C) = \frac{P(C \mid M) \cdot P(M)}{P(C)}

靶点结合条件

唐师傅做甜点前，先看今晚的主菜：烤鸭油腻，配山楂陈皮解腻；海鲜清爽，配柠檬奶冻提鲜。药物的“主菜”就是靶点蛋白，而靶点上的结合口袋，就是这顿“化学宴”的味型基调。口袋的深浅、疏水与带电区域的分布，决定了什么样的分子才坐得进去、抓得牢。

这种“分子与口袋互补”的关系，对应结构生物学里最经典的锁钥模型：靶点口袋是锁芯，候选分子是钥匙，只有形状和电荷分布都对得上，才能插进去转动。条件生成要做的，就是把锁芯的“齿形”编码成条件向量，让生成的分子天生就是那把钥匙。

条件生成中，对接打分函数常以 ΔG 作为代理指标，把“主菜味型”写进订单，引导生成器往结合更牢的方向探索。

ΔGbind=ΔH−TΔS\displaystyle \Delta G_{bind} = \Delta H - T \Delta S
结合亲和力由“结合好处”（焓变 ΔH）减去“结合代价”（熵变 TΔS）决定。ΔG 越负，分子与靶点结合越牢。
  1. 焓变 ΔH分子与口袋之间的氢键、疏水作用产生的净能量变化，像食材与酱汁之间的“化学默契”，负值越大越亲密。
    ΔH\Delta H
  2. 熵项 TΔS结合后体系自由度下降导致的熵损失，温度越高、分子越刚性，这项代价越大。
    TΔST \Delta S
  3. 结合自由能 ΔG两者相减得到最终结合倾向，ΔG < 0 表示结合能自发发生，越负越好。
    ΔGbind=ΔH−TΔS\Delta G_{bind} = \Delta H - T \Delta S

结构相似性

顾客说“来一份像提拉米苏的”，指的可不是要一份一模一样的复刻，而是保留马斯卡彭的绵密和咖啡的香气。药物设计同理：新分子如果和已知活性分子完全不沾边，活性就没了根据；但如果一模一样，那就不是“新药”而是“仿制品”。结构相似性条件，就是在化学空间里画一条温柔的绳子——你可以在附近探索，但不能跑丢。

这条绳子具体怎么系？先用 SMILES 或 SELFIES 字符串、摩根指纹等方式把分子表示成向量或集合，再用相似性度量计算两个分子的接近程度。最常用的是 Tanimoto 系数：把两个分子各自拆成所有圆形子结构，统计共有的子结构占全部子结构的比例。生成时把锚点分子的指纹作为条件输入，并在损失函数中加一个相似性正则项，防止模型进入“化学外太空”。

提拉米苏的灵魂是咖啡与马斯卡彭，但果酱、装饰、造型都能换。结构相似性要的就是这种“灵魂保留、形态翻新”。

T(A,B)=∣A∩B∣∣A∪B∣\displaystyle T(A, B) = \frac{|A \cap B|}{|A \cup B|}
Tanimoto 系数把“像不像”变成 0 到 1 之间的数字。1 表示指纹完全相同，0 表示毫无公共子结构。
  1. 指纹集 A、B每个分子被拆成一组圆形子结构标记，集合同样表达分子“身份”。
    A,BA, \quad B
  2. 交集 |A∩B|两分子共有的子结构数量，好比两个甜点共用的核心配方素材。
    ∣A∩B∣|A \cap B|
  3. 并集 |A∪B|两分子全部子结构的总和，覆盖了两份配方所有素材的总量。
    ∣A∪B∣|A \cup B|
  4. 比值 T交集占并集的比例，越接近 1 越像。实际项目中常把 T 约束在一个区间，比如 0.4–0.7，既保住活性又留出创新空间。
    T(A,B)=∣A∩B∣∣A∪B∣T(A, B) = \frac{|A \cap B|}{|A \cup B|}

ADMET 引导

就算甜点口味惊艳、造型复古，如果含过敏原、热量爆表，顾客照样会退单。药物也一样：一个候选分子就算和靶点结合得再紧，如果吸收差、代谢快、带毒性，就永远进不了临床。ADMET 就是药物的“健康资质”——吸收、分布、代谢、排泄与毒性这五个维度的总称，是药物能否从试管走向人体的生死线。

传统上 ADMET 靠动物实验和体外实验测定，又慢又贵。AI 时代的做法，是训练 ADMET 预测模型作为“健康检测仪”，把预测结果作为条件向量或奖励信号注入生成过程：生成时就在源头过滤掉“不健康”的分子。其中最经典的粗筛闸门，是 Lipinski 五规则——用分子量、脂水分配系数、氢键供体与受体这四个指标快速判断口服类药性。

唐师傅的食材表上永远标着“低糖、无坚果”，四行规则就是他的食材红线。生成模型的红线，就是 ADMET 条件。

log⁡P≤5,MW≤500,HBD≤5,HBA≤10\displaystyle \log P \le 5, \quad MW \le 500, \quad HBD \le 5, \quad HBA \le 10
四个不等式一眼扫过：分子别太油、别太大、别太爱拉氢键，通过这四道门槛才有资格当口服候选药。
  1. logP（脂水分配系数）衡量分子在油水两相中的分配，≤5 保证它不至于太油而溶不进体液。
    log⁡P≤5\log P \le 5
  2. MW（分子量）≤500 是长期经验得出的口服吸收门槛。
    MW≤500MW \le 500
  3. HBD（氢键供体）≤5 限制分子在外围与溶剂分子过度纠缠。
    HBD≤5HBD \le 5
  4. HBA（氢键受体）≤10 与供体数量共同决定分子穿过生物膜的能力。
    HBA≤10HBA \le 10

条件编码技术

顾客说“果香解腻”是口语，唐师傅要把它翻译成可执行的处方：山楂泥 30 克、陈皮 5 克、糖减半。AI 模型也一样，靶点名、锚点分子、性质目标这些“口语化需求”，必须翻译成数值向量，模型才读得懂。这个翻译过程，就是条件编码。

条件变分自编码器（CVAE）是条件编码的标准框架。普通 VAE 把分子压成潜变量再重建；CVAE 则把条件向量和分子拼接在一起，编码器学到的是“在这个条件下分子的潜变量”，解码器也拿着条件来重建分子。更高级的做法是解耦表征学习：让条件向量的不同维度各管一摊，比如前几维管结合、中间几维管相似性、最后几维管 ADMET，避免需求互相纠缠。

技术卡写清楚，唐师傅一进厨房就知道先打奶油还是先熬果酱。条件编码技术，决定了模型对需求的理解精度。

L=−Ez∼qϕ(z∣x,c)[log⁡pθ(x∣z,c)]+β KL(qϕ(z∣x,c) ∥ pθ(z∣c))\displaystyle \mathcal{L} = -\mathbb{E}_{z \sim q_\phi(z \mid x, c)} \bigl[ \log p_\theta(x \mid z, c) \bigr] + \beta \, \mathrm{KL}\bigl( q_\phi(z \mid x, c) \,\|\, p_\theta(z \mid c) \bigr)
CVAE 的损失由两项组成：第一项要求“按订单能还原出原分子”，第二项要求潜变量不乱跑、乖乖待在条件指定的区域里。
  1. 重建项把条件 c 和潜变量 z 送进解码器，看还原出的分子 x 像不像原样，这是“照方做菜”的还原度。
    −Ez∼qϕ(z∣x,c)[log⁡pθ(x∣z,c)]-\mathbb{E}_{z \sim q_\phi(z \mid x, c)} \bigl[ \log p_\theta(x \mid z, c) \bigr]
  2. KL 散度项约束潜变量 z 的分布不偏离条件先验 p(z|c)，像要求所有配方的筋道程度都符合“订单指定风格”。
    β KL(qϕ(z∣x,c) ∥ pθ(z∣c))\beta \, \mathrm{KL}\bigl( q_\phi(z \mid x, c) \,\|\, p_\theta(z \mid c) \bigr)
  3. 总损失两项相加。β 是平衡旋钮，β 太小则条件形同虚设，β 太大则生成千篇一律。
    L=重建项+β⋅KL 项\mathcal{L} = \text{重建项} + \beta \cdot \text{KL 项}

多目标平衡

口味要配主菜、外形要像提拉米苏、食材要健康，三位“老板”同时验收，只顾一个必然翻车。做甜点是统筹学，做药物分子更是。强结合常常伴随高脂溶性，而高 logP 又违反 ADMET 规则；过度追求相似性又会牺牲新颖性——三个目标天然冲突。

最简单的统筹办法是加权求和：把三个目标的损失乘上权重再加起来，模型去最小化这个总损失。权重就是优先级——抗肿瘤项目把结合权重调大，中枢神经药物把血脑屏障通透相关的 ADMET 权重调大。但线性加权有局限：它只能表达“凸”形状的帕累托前沿，对凹前沿会漏掉中间最优解。更精细的方法是做帕累托优化，直接寻找“任何一个目标都不弱于别人”的解集合。

唐师傅心里有本账：主菜、经典款、顾客体质，三笔账一起算。多目标平衡要的，就是这种“谁都不得罪”的综合最优。

min⁡M  λ1Lbind(M)+λ2Lsim(M)+λ3Ladmet(M)\displaystyle \min_{M} \; \lambda_1 L_{bind}(M) + \lambda_2 L_{sim}(M) + \lambda_3 L_{admet}(M)
三个 λ 分别代表结合、相似、ADMET 三个目标的权重。调整 λ，就是在订单上标注“顾客最在意什么”。
  1. 单项损失L_bind、L_sim、L_admet 分别度量分子在三个目标上的表现，损失越大越不达标。
    Lbind(M),Lsim(M),Ladmet(M)L_{bind}(M), \quad L_{sim}(M), \quad L_{admet}(M)
  2. 权重 λ三个正数，和为 1，体现项目优先级，像唐师傅在订单上打的星号数量。
    λ1,λ2,λ3>0,λ1+λ2+λ3=1\lambda_1, \lambda_2, \lambda_3 > 0, \quad \lambda_1 + \lambda_2 + \lambda_3 = 1
  3. 加权和把三个损失线形组合后求最小，得到一个综合代价最小的分子，但不保证单项目标最优。
    λ1Lbind(M)+λ2Lsim(M)+λ3Ladmet(M)\lambda_1 L_{bind}(M) + \lambda_2 L_{sim}(M) + \lambda_3 L_{admet}(M)

样本筛选方法

唐师傅每天试验 100 份甜点，总不能全端给顾客。品鉴师先试吃、摆盘、评比，再淘汰雷同款，最后只留下 3 份放进当日菜单。生成模型动辄输出上万个候选分子，同样需要一个筛选漏斗：打分排序、多样性挑选、人工复核，层层收紧。

虚拟筛选是这条流水线的核心。先用分子对接软件给候选分子和靶点算结合打分，再用 ADMET 模型算安全分数，最后按加权总分排序。但只看分数还不够——如果前 50 名分子都长得差不多，等于只探索了一个化学角落。于是还要做多样性挑选：用聚类或最大多样性子集算法，把结构类似的分子聚成一簇，每簇只留代表，保证进入实验的候选覆盖足够广的化学空间。

品鉴师的三张打分表，最后合成顾客眼前的一页菜单。样本筛选，就是决定谁能上菜单的最后关口。

S=w1⋅Sdock+w2⋅Ssim+w3⋅Sadmet\displaystyle S = w_1 \cdot S_{dock} + w_2 \cdot S_{sim} + w_3 \cdot S_{admet}
综合评分把三个维度的分数按权重拧成一股绳，排序后按预算截断，再用多样性挑选补一刀，防止“高分扎堆”。
  1. 对接分数 S_dock模拟分子与靶点的结合强弱，数值越低代表结合越牢。
    SdockS_{dock}
  2. 相似性分数 S_sim与已知活性分子的接近程度，保住药效团的“安全底牌”。
    SsimS_{sim}
  3. ADMET 分数 S_admet综合吸收、代谢、毒性等预测，数值越高代表越“健康”。
    SadmetS_{admet}
  4. 综合评分 S三个分数加权求和，排序后取 Top N，再用多样性套索进一步挑出代表。
    S=w1⋅Sdock+w2⋅Ssim+w3⋅SadmetS = w_1 \cdot S_{dock} + w_2 \cdot S_{sim} + w_3 \cdot S_{admet}

应用与挑战

唐师傅的私房菜馆要开成连锁，得解决三件事：配方标准化——每个分店都能复现同一口味；品控一致性——不会因为换了师傅就走味；供应效率——翻台率要撑得起成本。AI 制药把条件生成搬进真实流水线，同样要面对三座大山。

实际工作流是一个“生成—筛选—验证”闭环：从已知抑制剂出发，用靶点结合和结构相似性双条件生成新骨架，ADMET 约束把关安全性，再经合成与活性实验验证，把结果反馈回来迭代模型。挑战也清晰：第一，靶点—分子配对数据稀缺，冷启动很难；第二，生成模型是黑盒，化学家不敢轻信，需要可解释的条件归因；第三，模拟打分与真实实验误差不小，需要用主动学习不断纠偏。条件生成不是终点，而是整个发现流程的起点。

私房菜馆能开成连锁，靠的不是一道招牌甜点，而是把“订单—调配—品鉴—复核”整条流程变成可复制的工程体系。条件生成在 AI 制药中真正的价值，也在这套体系。

P(推进)=P(结合)×P(可达)×P(安全)\displaystyle P(\text{推进}) = P(\text{结合}) \times P(\text{可达}) \times P(\text{安全})
一个候选分子能往前推进的概率，是“结合成功”“合成可行”“安全达标”三个概率的乘积。任何一个为零，整体就是零，所以必须层层筛选。
  1. P（结合）分子与靶点结合并产生预期功能调节的概率，对应甜点口味与主菜搭配。
    PbindP_{bind}
  2. P（可达）分子存在可行合成路线的概率，对应“这个配方厨房里真能做得出来”。
    PsynthP_{synth}
  3. P（安全）通过 ADMET 与毒理关卡的概率，对应食材真正健康无过敏原。
    PsafeP_{safe}
  4. 乘积结构三者相乘，任一环节失败整体归零，凸显漏斗筛选的必要性。
    P=Pbind×Psynth×PsafeP = P_{bind} \times P_{synth} \times P_{safe}

AI 应用场景

先导化合物快速优化

阶段：Hit-to-Lead，先导化合物发现与优化

解决的问题：传统先导优化靠化学家经验试错，一个靶点改一轮分子往往要数月。AI 条件生成以已知活性分子为相似性锚点，把靶点结合打分与 ADMET 预测同时作为条件，批量产出数百个候选，把试错周期压缩到几周。

具体案例：某 AI 制药公司对抗纤维化靶点，用条件变分自编码器加多目标打分，两周生成 3200 个候选分子。虚拟筛选后取 12 个进湿实验，其中 3 个活性达到同类已知药物十倍以上，且 hERG 毒性预测全部通过。

难成药靶点的全新骨架发现

阶段：Hit 发现（命中物发现）

解决的问题：传统高通量筛选对“无口袋”难成药靶点命中率极低，而条件生成可以不依赖既有化学空间，直接从靶点表位特征和功能要求出发探索全新骨架。

具体案例：某结构生物团队针对 BRD4 蛋白这类结合界面平坦的靶点，把蛋白表面关键残基编码为条件，用条件生成模型设计了一类新型小分子，绕过传统口袋结合思路，筛出三个全新骨架 hit，后续细胞实验验证了活性。

Python 演示

python62 行
import random # 片段库：模拟分子生成器可选的"食材"FRAGMENTS = {    'OH':   {'mw': 17,  'logp': -0.5, 'hbd': 1, 'hba': 1},    'CH3':  {'mw': 15,  'logp': 0.5,  'hbd': 0, 'hba': 0},    'NH2':  {'mw': 16,  'logp': -0.8, 'hbd': 1, 'hba': 1},    'F':    {'mw': 19,  'logp': 0.4,  'hbd': 0, 'hba': 0},    'COOH': {'mw': 45,  'logp': -0.3, 'hbd': 1, 'hba': 2},    'CF3':  {'mw': 69,  'logp': 1.2,  'hbd': 0, 'hba': 0},} TARGET_FP = {'O', 'N', 'F'}       # 模拟靶点偏好的药效团TEMPLATE_FP = {'C', 'O', 'N'}     # 已知活性分子的骨架指纹  def tanimoto(fp_a, fp_b):    inter = len(fp_a & fp_b)    union = len(fp_a | fp_b)    return inter / union if union else 0.0  def lipinski_ok(mw, logp, hbd, hba):    return mw <= 500 and logp <= 5 and hbd <= 5 and hba <= 10  def generate_candidates(n=60, seed=42):    random.seed(seed)    mols = []    for _ in range(n):        frags = random.sample(list(FRAGMENTS), k=random.randint(1, 3))        mw = 16 + sum(FRAGMENTS[f]['mw'] for f in frags)        logp = 0.0 + sum(FRAGMENTS[f]['logp'] for f in frags)        hbd = sum(FRAGMENTS[f]['hbd'] for f in frags)        hba = sum(FRAGMENTS[f]['hba'] for f in frags)        fp = {'C'} | set(frags)        mols.append({'id': len(mols), 'frags': frags, 'fp': fp,                     'mw': mw, 'logp': logp, 'hbd': hbd, 'hba': hba})    return mols  def score(mol, w_bind=0.4, w_sim=0.3, w_admet=0.3):    bind = tanimoto(mol['fp'], TARGET_FP)    sim = tanimoto(mol['fp'], TEMPLATE_FP)    admet = 1.0 if lipinski_ok(mol['mw'], mol['logp'], mol['hbd'], mol['hba']) else 0.2    return w_bind * bind + w_sim * sim + w_admet * admet  def main():    mols = generate_candidates()    ranked = sorted(mols, key=score, reverse=True)    print('=== 条件生成 + 多目标筛选 Top 5 ===')    for m in ranked[:5]:        print('#%d 片段=%s MW=%.0f logP=%.1f 得分=%.3f' % (            m['id'], '+'.join(m['frags']), m['mw'], m['logp'], score(m)))    passed = sum(1 for m in mols if lipinski_ok(m['mw'], m['logp'], m['hbd'], m['hba']))    print('通过 Lipinski 五规则: %d / %d' % (passed, len(mols)))    print('样本多样性抽查:', len(set(tuple(m['fp']) for m in mols)), '种不同指纹')  if __name__ == '__main__':    main()
目的：演示条件生成的核心流水线——用片段库模拟分子生成，用 Tanimoto 模拟靶点结合与结构相似性打分，用 Lipinski 规则模拟 ADMET 筛选，最后多目标加权排序输出候选 Top 5。
  1. def tanimoto(fp_a, fp_b):实现结构相似性打分：交集比并集，数值越高分子越接近。
  2. def lipinski_ok(mw, logp, hbd, hba):ADMET 粗筛闸门，四个不等式一起判断“食材是否健康”。
  3. frags = random.sample(list(FRAGMENTS), k=random.randint(1, 3))模拟生成器从“食材库”随机挑选片段搭分子。
  4. fp = {'C'} | set(frags)组装分子指纹集，作为后续条件匹配的“身份指纹”。
  5. def score(mol, w_bind=0.4, w_sim=0.3, w_admet=0.3):多目标加权评分函数，三个权重体现项目优先级。
  6. ranked = sorted(mols, key=score, reverse=True)打分排序，漏斗筛选的第一步。

常见误区

误区听说生成模型会自动产生分子，以为 AI 是凭空创造、不需要任何输入也能设计药物。只要模型够大，扔进去就能出来好药。

正解条件生成的核心恰恰是“不给条件就做不好”——就像唐师傅没有订单单只会做流水线泡芙。靶点结合、结构相似性、ADMET 就是客户的三个要求，缺一个生成的分子大概率是无效噪音。模型学的是条件分布 P(M|C)，C 的质量直接决定 M 的价值。

为何常见：早期无条件 VAE 演示的随机采样画面太有迷惑性，初学者看到模型能“画”出分子，就忽略了它背后其实是大量数据分布的学习。

误区认为只要把 ADMET 预测分数刷到最高，或者把结合亲和力做到最强，这个分子就是好药，其他都不用管。

正解ADMET 好只是“食材健康”，结合强只是“口味搭主菜”，两者都只是必要条件而非充分条件。真实项目里必须做多目标平衡，否则会生成“结合极强但完全有毒”或“极其安全但毫无活性”的废品。

为何常见：单目标优化的代码最简单、指标最容易汇报，初学者容易陷入“刷单榜”的思维，忽视药物发现本质上是多约束决策。

误区既然要保留经典分子的活性，那当然和已知活性分子越像越好，最好 Tanimoto 接近 1。

正解相似性太高就退化成“复制粘贴”，失去新药专利性和新颖性；真实做法是把相似度约束在合理区间（比如 Tanimoto 0.4–0.7），就像保留提拉米苏的灵魂但换掉外层装饰。它是探索的锚点，不是粘贴的模板。

为何常见：Tanimoto 的直觉是“越像越相似”，初学者顺水推舟认为越像越好，忽略了药物化学中“保持药效团同时扩展化学空间”的双重要求。

误区调好一次多目标权重（比如 0.4/0.3/0.3），这个配置就能用在所有靶点、所有疾病项目上。

正解不同场景对三个目标的偏好差异很大：中枢神经药物要求血脑屏障通透，ADMET 权重必须抬高；抗肿瘤项目追求靶点选择性，结合权重优先。权重本身是和业务场景绑定的超参数，需要按项目反复调。

为何常见：加权求和的形式看起来“公平通用”，初学者把它当成固定公式，忽略了权重背后的业务语义。

误区模型生成了 10000 个看起来化学式合理的分子，以为这些全是有效候选，可以全部送去做实验。

正解生成结果是“初筛菜单”而不是“成品菜”。必须经过虚拟筛选打分、聚类多样性挑选、合成可行性评估、化学家人工复核，最终只有极少数分子能进湿实验。模型没有做过实验，它画的分子可能根本合成不出来。

为何常见：生成模型输出的 SMILES 字符串“看起来很有道理”，加上可视化渲染漂亮，让初学者天然产生信任，忽略了模拟与现实的差距。

面试题

Q1. 条件生成与传统无条件生成的主要区别是什么？

单选题 · easy

  • A.生成时输入靶点与性质约束← 正确答案
  • B.生成过程不需要训练数据
  • C.完全随机生成不学分布
  • D.生成的分子更小更简单

答案：A。条件生成的核心就是在生成时额外输入约束信息 C，把无条件分布 P(M) 变成条件分布 P(M|C)，就像唐师傅拿到订单单再开工。无条件生成同样需要训练数据、也学习数据分布，只是没有额外约束引导。

Q2. “锁钥模型”在靶点结合条件中指的是什么？

单选题 · easy

  • A.药物分子把靶点蛋白锁死
  • B.药物与靶点序列完全对齐
  • C.配体与口袋形状互补匹配← 正确答案
  • D.分子越长越容易嵌入靶点

答案：C。锁钥模型的核心是“形状互补”——靶点口袋是锁芯，配体是钥匙，只有几何与化学性质匹配才能结合。A 混淆了“结合”与“锁死”两个概念，B 错在把氨基酸序列对齐当成结合方式，D 没有依据。

Q3. 两个分子的摩根指纹交集大小为 3、并集大小为 10，Tanimoto 相似度是多少？

单选题 · mid

  • A.等于 0.3← 正确答案
  • B.等于 0.7
  • C.等于 13
  • D.等于 3.3

答案：A。Tanimoto = |A∩B| / |A∪B| = 3 / 10 = 0.3。B 是 1 减 0.3 的混淆，C 是把交集并集相加，D 是直接相除的误算。相似度度量的是共同子结构占全体子结构的比例。

Q4. 根据 Lipinski 五规则，关于 logP 的限制要求是？

单选题 · mid

  • A.logP 必须大于 5
  • B.logP 不得超过 5← 正确答案
  • C.logP 必须等于 5
  • D.logP 与分子量无关

答案：B。Lipinski 五规则规定 logP ≤ 5，防止分子脂溶性过高导致水溶性差、难以口服吸收。A 方向完全反了，C 把上限当成了精确值，D 忽略了规则体系内部各指标的协同关系。

Q5. 条件变分自编码器（CVAE）与普通 VAE 的核心区别是什么？

单选题 · mid

  • A.CVAE 在编解码时引入条件变量← 正确答案
  • B.CVAE 使用更大的神经网络
  • C.CVAE 不需要编码器只需解码
  • D.CVAE 只在解码时加入噪声

答案：A。CVAE 的关键是在编码和解码两个阶段都引入条件变量 c，编码器学到 q(z|x,c)，解码器用 p(x|z,c) 重建。B 是无关特征，C 错误——CVAE 依然需要编码器，D 混淆了条件注入与噪声注入。

Q6. 关于帕累托前沿，以下说法正确的是？

单选题 · hard

  • A.前沿点在某个目标上不弱于其他解← 正确答案
  • B.前沿点所有目标都是全局最优解
  • C.加权求和能找到全部帕累托点
  • D.帕累托优化不需处理目标冲突

答案：A。帕累托前沿上的点互不支配——每个点至少在某个目标上不弱于其他点，但不可能是所有目标同时最优，否则其它点就不存在了。C 错误，线性加权只能表达凸前沿；D 错误，帕累托优化正是为处理目标冲突而生的。

Q7. 多目标加权求和 L=λ₁L₁+λ₂L₂+λ₃L₃ 的主要局限是什么？

单选题 · hard

  • A.线性组合无法表达凹形状前沿← 正确答案
  • B.权重数值越大模型训练越慢
  • C.所有权重必须同时为零才可行
  • D.权重参数无法参与梯度下降

答案：A。加权求和只能得到凸帕累托前沿上的解，对凹形状的前沿会漏掉中间区域的最优解，就像只沿三条直线找中点、找不到曲线上的甜点。B 没有依据，C 荒谬，D 错误——权重完全可以参与梯度优化。

Q8. 虚拟筛选中常用的打分信息来源包括哪些？

多选题 · mid

  • A.分子对接的亲和力打分← 正确答案
  • B.相似性度量的结构打分← 正确答案
  • C.ADMET 模型的性质预测← 正确答案
  • D.化学家依据直觉的经验分

答案：ABC。虚拟筛选是自动化漏斗，信息来源通常是可计算的指标：对接打分评估结合强弱，相似性打分评估与已知活性分子的接近度，ADMET 模型评估安全与药代。化学家直觉属于人工复核环节，不算是自动化的打分信息来源。

Q9. 为兼顾新药生成与 ADMET 约束，正确的做法有哪些？

多选题 · hard

  • A.将 ADMET 预测作为条件向量输入← 正确答案
  • B.生成后只依据对接亲和力排序
  • C.在总损失函数中加 ADMET 项← 正确答案
  • D.完全放弃结构相似性约束项

答案：AC。把 ADMET 预测作为条件输入，或在损失函数中加入 ADMET 正则项，都是把健康约束“前置”到生成过程的有效手段。只按亲和力排序会忽视安全属性，完全放弃相似性约束则会让生成方向失去锚点、漫无边际。

Q10. 条件生成中“结构相似性”条件的作用是什么？

多选题 · easy

  • A.保留已知活性分子药效团← 正确答案
  • B.保证分子合成路线完全相同
  • C.约束生成方向避免无边际← 正确答案
  • D.完全替代 ADMET 毒理实验

答案：AC。结构相似性条件的双重作用：一是保留已知活性分子的药效团，传承“经典款灵魂”；二是在化学空间里约束方向，避免模型乱跑。它并不要求合成路线相同，更不能替代 ADMET 实验——那是另一个维度的约束。