分子生成任务定义：De Novo Design 与 Lead Optimization

可视化演示

演示De Novo从头分子设计与Lead Optimization先导优化两种任务流程及评估指标对比，交互切换查看分子生成任务定义差异。

一、任务定义对比：发明新菜 vs 打磨配方

厨王争霸赛的第二轮考题公布了：要做一道“既能降血糖又美味”的菜。厨师“从头设计”抬头望向整座食材仓库——数亿种食材、无数种搭配，他要从零开始发明一道新菜。厨师“先导优化”则低头看外婆的菜谱：这道家常菜已有微弱降糖效果，但偏咸油腻，他要小步改进，而不是推倒重来。

在 AI 药物发现里，这两位厨师正是分子生成的两大任务类型。De Novo Design（从头设计）：给定一个靶点，模型在广阔化学空间中生成结构全新的候选分子，往往还希望它们可申请专利——像“发明新菜”，奖励创造力。Lead Optimization（先导优化）：已有一个初步活性的先导化合物，模型在保住核心骨架的前提下做局部修饰，改善活性、毒性、溶解性等性质——像“打磨祖传配方”，奖励精准改良。

两者本质差异在搜索空间。数学上，从头设计在整个化学空间 C 中找最优，先导优化则被限定在先导分子 x_lead 的相似邻域 N 中：

一句话回扣：同样做“好吃的分子”，前者的边界是全世界，后者的边界是配方周围半步。任务定义不清，模型就会拿着望远镜进了小厨房——开工第一件事，永远是回答“我在做哪类任务”。

二、化学空间探索：10 的 60 次方种食材

厨师们接着参观了食材仓库的监控室，大屏上显示：仓库共有约 10 的 60 次方种食材组合，比可观测宇宙的原子总数还多。就算每秒试吃一种，尝到宇宙毁灭也尝不完。但更关键的发现是：仓库里绝大多数组合是“黑暗料理”——有毒、不稳定、根本没法下锅。真正值得端上桌的“类药分子”只占极小一隅。

化学空间之所以浩瀚，是因为分子由原子与键的自由组合构成，仅按常见原子和成键规则估算，可能的分子就有 10^60 量级。但药物必须口服吸收、代谢稳定、毒性可控，于是药物化学家总结出 Lipinski 五规则（Rule of Five） 作为初筛清单：

除了类药性，还有“能不能做出来”的问题。合成可及性（Synthetic Accessibility） 用 SA 分数衡量合成难度，1 到 10 分，越高越难。一个分子再漂亮，如果需要 20 步反应才能合成，就没有实用价值——正如食材再高级，耗时三天三夜的菜也上不了晚市。化学空间约束决定了搜索从哪里开始、到哪里结束，生成模型的任务本质上是在这片“能吃且做得出来”的区域里定向找最优解。

三、核心评估指标：三位评委的评分表

菜品端上来后，三位评委开始打分。一号评委尝一口——管味道，对应“活性”；二号评委看营养表——管健康，对应“类药性”；三号评委要食谱——管能否复现，对应“可合成性”。任何一位打低分，这道菜就拿不了冠军。

活性评价是最直接的指标，包括实验测得的 IC50/EC50（半数抑制/激活浓度，数值越小活性越强）和计算代理指标（如对接打分 Docking Score、药效团匹配度）。但实验数据昂贵，计算打分又有误差，因此活性常常是“第一道坎”而非全部。类药性层面，除了 Lipinski 规则，研究者常用 QED（Quantitative Estimate of Drug-likeness，类药性定量估计）把多个性质压缩成一个 0 到 1 的分数，越接近 1 越像已上市药物：

可合成性层面，SA 分数把合成难度量化为 1-10，于是综合评估常写成加权和：总分 = w₁ × 活性 + w₂ × QED + w₃ × SA，权重由任务阶段决定——发现阶段更看活性与新意，优化阶段更看类药性与可合成性。这就像三位评委的权重可以调整：晚市要快上菜，三号评委的分量就加重。

四、关键约束条件：后厨红线不能碰

餐厅后厨贴着一张红色的 A4 纸，上面写着硬性红线：禁用花生油（过敏原）、每道菜预算不超过 50 元、上菜时间不超过 40 分钟。分子生成同样有一堆“红线”约束，它们以不等式或过滤规则的形式进入任务定义。

第一类红线是活性与选择性约束：药物不仅要与目标蛋白结合，还不要误伤同家族的其它蛋白，否则副作用失控。第二类是安全性约束：预测毒性（如 hERG 心脏毒性、基因毒性）超过阈值就一票否决。第三类是物理化学性质区间：溶解度、渗透性、代谢稳定性要落在合理窗口内——太油不行，太溶于水也进不了细胞膜。

把这些约束写成标准的约束优化问题，就是：

约束不写进目标函数，生成模型只会疯狂“刷活性分”，产出一堆过不了红线的废品；约束太多太严，又会把搜索空间压成“点”，生成多样性归零。如何在红线和自由之间取平衡，正是任务定义的艺术。

五、数据构建要求：可靠菜谱与海量食材清单

两位厨师的技术传承来自一本本菜谱：有的菜谱详细记录每道菜的火候、用量、试吃结果——相当于活性标注数据；有的只有食材清单，没有口味反馈——相当于无标签数据。师父说：标注菜谱太少太贵，食材清单管够，你们得学会两者搭配着看。

分子生成的数据要求与此高度一致。活性标注数据是金贵的：测定一个化合物对靶点的活性需要生物实验，一条数据成本动辄几十到几百元，公开数据库（如 ChEMBL、BindingDB）里高质量标注更是稀缺。无标签分子库则便宜得多，ZINC、PubChem 里有上亿个已知化合物，它们虽然不知道活性，但蕴含“哪些结构是真实可合成”的语法先验——生成模型先用它们学分子语法，再用少量标注数据学生物语义。

数据处理的另一关键是质量与一致性：不同实验室测同一化合物的 IC50 可能差一个数量级，标注噪声过大会把模型带偏。常用 Tanimoto 相似度做数据去重与相似性分析：

数据就是师傅手抄的菜谱，量不要求最多，但每一条都要可靠。只有“详细注记的菜谱 + 大量食材清单”配合使用，学徒才能既学会做菜语法，又懂得迎合评委口味。

六、模型目标设定：学徒手上的功夫与师父的点评

学做菜不能只靠看菜谱，还要上手炒、听师父点评、不停调整手法。分子生成模型也一样：先在大规模分子库上“模仿”学会化学语法，再根据打分函数的反馈“优化”自己的生成策略。

在技术实现上，生成模型（如变分自编码器 VAE、生成对抗网络 GAN、基于 Transformer 的 SMILES 语言模型、扩散模型）负责从条件 c 采样分子；条件可以是靶点口袋特征、期望属性向量或相似度参考。任务目标常被写成“条件生成 + 奖励期望最大化”：

这里 R(x) 就是把前几节的指标揉在一起的奖励函数。若用强化学习微调，模型生成一批分子 → 打分 → 用策略梯度等算法更新参数，反复迭代让奖励期望上升；若用条件扩散或条件 VAE，则通过重参数化与重构损失把条件约束嵌进生成过程。值得注意的是多样性这条隐式目标：一味逼近奖励最高的分子，模型会坍缩成反复输出同一个“高分模板”。任务定义里通常还会加入多样性奖励或相似度惩罚，相当于师父在点评时补一句：“同样的菜别端十遍。”

七、实践风险难点：赛场上的翻车事故

比赛到了关键一轮，翻车事故接连上演。一号厨师烧糊了锅——模型生成一堆“坏分子”；二号厨师照搬外婆菜谱，忘了评委换了一批人——模型过拟合训练分布，新意无限趋近于零；还有人在评委只尝一口后就吹嘘菜品完美——模拟打分高，湿实验却不过关。

这三大翻车现场对应分子生成的三大实践难点。无效分子问题是入门第一坑：SMILES 语法不合法、原子价不对，生成一万个，九千个是乱码，用有效性（validity）指标一测便知：

过拟合风险则更隐蔽：当训练数据分布单一，模型记住的只是“重复已知分子的变体”，从头设计的“新”名存实亡，需要靠新颖性（与训练集最大 Tanimoto 相似度）指标监控。实验闭环验证是最容易被 AI 团队忽略的：计算指标是代理，真实药效只能由湿实验裁决——生成 100 个候选，合成验证 10 个，反馈修正模型，构成“生成-预测-实验-再生成”的飞轮。再好的厨师也不能只靠想象力比赛，火候、食材、评委口味都要落实到现场，任务定义的最后一步永远是“如何闭环到实验”。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""Lead optimization demo: mutate one fragment each round."""import random LEAD = ('benzene', 'carbonyl', 'amino', 'methyl') FRAGMENT_LIB = {    'benzene': 1.0, 'pyridine': 0.9, 'pyrimidine': 0.8, 'furan': 0.7,    'carbonyl': 0.9, 'ether': 0.8, 'ester': 0.6,    'amino': 0.8, 'hydroxyl': 0.7, 'fluorine': 0.9, 'chlorine': 0.6,    'methyl': 0.8, 'ethyl': 0.7, 'CF3': 0.9,}  def similarity(a, b):    same = sum(1 for x, y in zip(a, b) if x == y)    return same / max(len(a), len(b))  def activity(mol):    score = 0.0    for frag in mol:        score += FRAGMENT_LIB.get(frag, 0.5)    return score / len(mol)  def drug_likeness(mol):    good = sum(1 for f in mol if f in ('benzene', 'amino', 'hydroxyl', 'carbonyl'))    return 1.0 - abs(good - 2) / 4.0  def score(mol):    sim = similarity(mol, LEAD)    act = activity(mol)    dl = drug_likeness(mol)    return 0.4 * act + 0.3 * dl + 0.3 * sim  def mutate(lead):    idx = random.randrange(len(lead))    frags = list(lead)    frags[idx] = random.choice(list(FRAGMENT_LIB))    return tuple(frags)  def main():    best = LEAD    best_score = score(best)    print('Lead:', best, 'score: %.3f' % best_score)    for i in range(200):        cand = mutate(best)        s = score(cand)        if s > best_score:            best_score = s            best = cand            print('Round %d improved:' % (i + 1), best, 'score: %.3f' % best_score)    print('Final:', best)  if __name__ == '__main__':    main()

1. LEAD = ('benzene', 'carbonyl', 'amino', 'methyl')把先导分子表示成片段元组，每个片段相当于菜谱里的一种配料。
2. FRAGMENT_LIB片段库提供可替换的“备选配料”，并给出每种的先验活性贡献。
3. def similarity(a, b)计算候选与先导的相似度，强制优化不偏离核心骨架。
4. def activity(mol)用片段平均贡献近似活性；真实场景会换成对接打分或 QSAR 模型。
5. def drug_likeness(mol)衡量“健康程度”，惩罚过于偏离类药结构的分子。
6. return 0.4 * act + 0.3 * dl + 0.3 * sim多目标加权打分，对应文中“三位评委权重不同”。
7. def mutate(lead)单点变异：随机替换一个片段，模拟先导优化的局部搜索算子。
8. if s > best_score:只接受得分更高的分子，贪心式爬山优化，对应逐轮改进的迭代过程。

常见误区

面试题