分子生成评估四指标：Validity到SA解读

可视化演示

展示分子生成模型的四个核心评估指标（有效性、唯一性、新颖性、合成可及性）雷达对比与柱状图分布，支持雷达与柱状两种模式切换。

评估体系引入

小明把四位质检员召集到蛋糕坊的流水线旁，给她们每人发了一张工位牌。AI大厨在传送带一头疯狂出卡，每位质检员按顺序抽查卡片，最后把打分汇总到一张“配方体检单”上。这个场景，正是分子生成模型评估体系的缩影。

分子生成模型（如基于深度学习的VAE、GAN、强化学习Agent）能够以前所未有的速度“吐”出大量SMILES字符串。SMILES是一种用ASCII字符描述分子结构的线性表示法，就像配方卡上的“构造密码”。然而，生成速度快不等于生成质量高，生产线上必然混杂大量次品。如果没有一套科学的评估机制，后续的药物筛选、材料设计就会浪费大量算力和实验成本。

评估体系通常围绕四个维度展开：有效性回答“这串密码能不能解出一个合法分子”，唯一性回答“一堆卡里有多少张是不同的”，新颖性回答“这张卡是不是照抄老菜单”，合成可及性回答“这张卡在真实实验室里能不能被做出来”。四个维度共同构成一份“质检报告”：

就这样，四位质检员各就各位，流水线开始运转。接下来我们逐一拜访她们的工作台。

有效性评估

V小姐是流水线上最严格的“化学校对员”。她手里拿着一把化学规则尺，凡是写着“碳原子长出五个键”“某个环根本连不上”之类的卡片，直接扔进废纸篓。用她的话说：“蛋糕首先得是蛋糕，不能是一团乱麻。”

在分子生成评估中，Validity（有效性） 衡量的是生成分子是否符合化学价键规则，能否被解析成一个合法的分子。常用的计算方式是用化学信息学工具（如RDKit）解析SMILES：如果MolFromSmiles能成功返回分子对象，就认为该分子是有效的；解析失败则无效。无效的原因包括SMILES语法错误、原子价不合法、电荷不平衡等。

当然，有效性也有它的“边界感”。一个分子合法，只说明它在纸面上能够成立，不代表这个分子稳定、容易合成，更不代表它有生物活性。它更像一场考试的“及格线”，先把大量拼不出来的次品挡在外面。有效性计算公式如下：

V小姐的检查结束后，通过她审核的卡片才会流向下一道工序。虽然这个指标很基础，但恰恰是它先筛掉了大半垃圾，让后续的质检员工作轻松许多。

唯一性评估

U先生的工作台前堆着一摞V小姐放行的卡片。他不看分子是否合法，只看卡片之间是否“撞脸”。他说：“同一款草莓蛋糕，客人只需要一张配方，重复递十次就是浪费纸。”

Uniqueness（唯一性） 衡量的是有效分子中互不相同的分子所占比例。一个只会反复生成同几种分子的模型，哪怕单看每个分子都合法，也无法提供丰富的候选结构，探索能力等于零。因此唯一性直接反映了生成模型的多样性。

计算时要注意一个关键细节：同一分子往往有多种SMILES写法。比如乙醇可以写成CCO，也可以换一张旋转姿势写出来，但它们是同一个分子。直接拿原始字符串去重会漏掉“变装重复”的分子，所以必须先对SMILES做标准化，通常使用RDKit的MolToSmiles生成规范SMILES，或使用InChI Key进行比对，再去重。唯一性公式为：

U先生这番“去重”之后，剩下的卡片虽然每张都不重复，但他还没办法判断这些卡片是不是从旧菜单上抄来的。这个任务，得交给下一位质检员。

新颖性评估

N姑娘抱着一个厚厚的“老菜单”——训练集记录册。她比对着U先生递来的每张卡片，凡是能在老菜单里找到一模一样的，就盖章“旧配方”；找不到的，才盖上“新创意”的章。

Novelty（新颖性） 衡量的是生成分子中那些不在训练集中出现的比例。训练集是生成模型学习时所见过的大量已知分子，如果模型只是把训练集里的分子“背”出来，新颖性就会很低。计算新颖性时，需要把生成的每个分子与训练集中的分子进行比对：比较规范SMILES是否相同，或者用InChI Key、分子指纹（如ECFP）判断是否高度相似。通常，与训练集中任何分子完全相同或相似度超过阈值（如Tanimoto系数>0.7），就不算新颖。

这里特别容易和唯一性混淆：唯一性是“这批生成结果自己跟自己比”，新颖性是“这批生成结果跟历史训练集比”。一个模型可以做出100个所有不同的分子，但如果这100个都是训练集的“默写”，唯一性很高但新颖性为0。新颖性公式如下：

N姑娘的“新创意”章一盖，剩下的卡片确实都是没见过的新款。但小明又犯愁了：这些新款式，后厨真的能做出来吗？于是最后一位质检员——S博士登场了。

可合成性评估

S博士是化学合成的行家，他拿着放大镜研究卡片上的结构：环多了、手性中心多了、官能团太活泼……他都会摇头叹气：“创意很好，但咱们厨房现有条件做不出来，等于零。”他给出的不是“通过/不通过”，而是一张1到10分的难度评分。

SA（Synthetic Accessibility，合成可及性） 用于量化一个分子在真实实验室中被成功合成的难易程度。最常用的量化工具是SAscore，其值域为1到10，分数越低表示越容易合成，分数越高表示合成越困难。SAscore的估算基于分子结构的多种特征，比如分子碎片是否存在常见反应、环的复杂度、手性中心数量、分子大小、稀有官能团等。在RDKit中，可以通过sascorer.calculateScore(mol)方便地计算。

需要注意的是，SAscore的方向与前三个指标正好相反：Validity、Uniqueness、Novelty都是越高越好，而SAscore是越低越好。因此在做综合评分时，通常要将它变换成“可合成得分”，例如使用10 - SAscore，让方向与其他指标统一。SAscore的数值范围可以写成：

S博士的评分尽管犀利，但小明知道，只有把四位质检员的判断合在一起看，才能决定哪些配方卡值得真正交给化学家试做。

综合运用

四位质检员各报出一张成绩单，小明反而更纠结：有的卡新颖性极高，但SAscore高达9，几乎没法合成；有的卡很容易合成，却只是老分子的微调。他意识到，评价分子生成质量不能只看单项，必须根据任务目标做综合权衡。

在真实AI药物发现中，不同任务对四个指标的权重不同。例如先导化合物优化阶段，更看重Validity和SA，因为最终要能合成出来；而在探索全新化学骨架阶段，Novelty的权重会提高。一种常见的综合方法是加权求和，把SAscore也转成同向得分：

除了加权求和，实际工作中也常用“门槛法”：先要求Validity≥90%、Uniqueness≥80%、Novelty≥50%、SAscore≤5，再在达标后的分子里继续做对接筛选。借助RDKit等工具，这些指标可以批量计算，并作为奖励信号反馈给生成模型，引导模型迭代优化。

小明把四张分数表钉在墙上，终于不再被满桌的配方卡淹没。他明白了：生成分子只是起点，科学评估才是把“AI脑洞”变成“可用候选药”的关键一步。

AI 应用场景

Python 演示

import osimport sysfrom rdkit import Chemfrom rdkit.Chem import RDConfig sys.path.append(os.path.join(RDConfig.RDContribDir, 'SA_Score'))import sascorer  def evaluate(generated, training):    valid_mols = []    for smi in generated:        mol = Chem.MolFromSmiles(smi)        if mol is not None:            valid_mols.append(mol)     total = len(generated)    n_valid = len(valid_mols)    validity = n_valid / total if total else 0.0     canon_smiles = set()    for mol in valid_mols:        canon_smiles.add(Chem.MolToSmiles(mol))    uniqueness = len(canon_smiles) / n_valid if n_valid else 0.0     train_smiles = set()    for smi in training:        mol = Chem.MolFromSmiles(smi)        if mol is not None:            train_smiles.add(Chem.MolToSmiles(mol))     novel_count = 0    for mol in valid_mols:        if Chem.MolToSmiles(mol) not in train_smiles:            novel_count += 1    novelty = novel_count / n_valid if n_valid else 0.0     sa_scores = [sascorer.calculateScore(mol) for mol in valid_mols]    sa_avg = sum(sa_scores) / len(sa_scores) if sa_scores else 10.0     return {        'total': total,        'valid': n_valid,        'validity': validity,        'uniqueness': uniqueness,        'novelty': novelty,        'sa_avg': sa_avg    }  if __name__ == '__main__':    generated = ['CCO', 'CCO', 'c1ccccc1', 'C1CCCCC1', 'CCN', 'bad_smiles']    training = ['CCO', 'c1ccccc1']    result = evaluate(generated, training)    for k, v in result.items():        if isinstance(v, float):            print(f'{k}: {v:.4f}')        else:            print(f'{k}: {v}')

1. Chem.MolFromSmiles(smi)解析SMILES，能解析则返回分子对象，否则返回None。
2. Chem.MolToSmiles(mol)生成规范化SMILES，用于去重和比对。
3. canon_smiles.add(...)用Python集合对有效分子去重，得到唯一分子数。
4. if Chem.MolToSmiles(mol) not in train_smiles逐一看生成分子是否出现在训练集中，统计新颖数。
5. sascorer.calculateScore(mol)调用RDKit贡献包计算每个分子的合成难度分数。

常见误区

面试题