分子设计：选择性设计

可视化演示

演示选择性指标SI计算、多任务学习选择性预测、以及AI驱动优化迭代流程。

选择性定义

设计药物很像做一张只在自家书房生效的门禁卡。问题是开发商把整层楼的门锁都做成同一品牌，钥匙齿形稍有相似，就可能刷开邻居家的门。激酶抑制剂正是如此：目标激酶与同家族的旁系激酶，在 ATP 结合口袋上的氨基酸很接近，小分子只要牢牢握住这个口袋，便很容易同时握住一大把相似的锁。

在药物化学里，这种性质被称为选择性。一个选择性好的分子，应当以极低浓度抑制目标靶点，却要在高浓度下才对旁系蛋白产生明显抑制。所谓旁系蛋白，就是与靶点进化关系最近、活性位点最像的那批蛋白。

科学家用 IC50 描述抑制能力。IC50 是抑制 50% 酶活性所需浓度，数值越小说明分子与靶点结合得越强。为了把目标和旁系放在同一把尺上比较，算法上定义选择性指数 SI，它就是旁系 IC50 与目标 IC50 的比值：

回到门禁卡：SI 就是这张卡对自家门和邻居门的敏感度差。差得越大，越不用担心误闯邻居家；差得很小，即使目标活性再漂亮，医生也不敢轻易给病人用。

选择性指标

只看一家邻居还不够。小区里可能有几十户同款门，一张卡到底能在多少扇门上刷开，才是物业验收时真正关心的。药物发现里，我们同样需要给整栋激酶楼打一个可比较的分数。

最常用的方法是激酶谱筛选。把候选分子放在包含几十到几百个激酶的活性面板上，在固定浓度下测定每个激酶的剩余活性。若某个激酶的剩余活性低于 10%，相当于被强抑制了 90% 以上，就记作一个 hit。

将所有 hit 数除以受试激酶总数，得到覆盖率 Coverage，也叫 hit 率。覆盖率越低，说明能刷开的门越少，选择性越高。业界常写成 S(10)、S(1) 这类选择性评分，含义一致，都是数值越小越专一：

评价一个候选物不能只看它对目标多强，还要看它在全谱上的覆盖率。门禁卡再精致，若在 100 扇门里刷开了 80 扇，物业绝对不敢放行。

反筛策略

既然担心误开邻居门，最直接的做法就是拿着一串刚打磨的钥匙，挨家挨户试一遍。这个过程听起来笨，却是药物安全最朴素的防线。所谓反筛，正是相对主筛而言的“反向筛选”。

传统筛选流程以目标靶点为主筛，先找出能抑制目标激酶的分子；接下来用反筛把同一批分子放到旁系激酶面板上，看它们是不是“博爱”。反筛不是只测一两个蛋白，而是测一整组与靶点最相关的激酶，比如 JAK 家族内的四个亚型。

高质量的反筛要设计剂量矩阵：每个激酶至少在多个浓度下测试，这样能拟合出每个旁系激酶的 IC50，而不只是观察一个固定浓度的抑制百分比。得到的多靶点活性谱就像一串数字指纹，后续 AI 建模正需要这种标签。

反筛的代价不低，却很值。它提前告诉我们钥匙会误开哪几扇门，也告诉我们哪些结构修改能让旁系门锁“认出”钥匙不对。这为后面的 AI 模拟器提供了真实世界的标准答案。

AI预测模型

如果每打磨一把钥匙都要先把 400 扇门试一遍，成本太高。AI 的价值是在钥匙还没做出来时，先根据设计图预测它能刷开哪几扇门——这就是门禁系统模拟器。

具体实现上，分子先被编码成机器能读懂的表征：指纹把化学结构变成 0/1 向量，图网络把原子和键画成关系图。这个表征进入多任务学习模型，同一份分子表征被多个预测头共用，每个头负责一个激酶的活性预测。

多任务学习的好处在于：不同激酶的任务会迫使模型学习通用的结构-活性规律，同时每个任务头又能捕捉各自口袋的细微差异。如果训练数据足够，模型几乎可以同时输出目标激酶和几十个旁系激酶的抑制概率：

训练完成后，模拟器从分子设计图到整栋楼的门锁反应只花几毫秒。它不能替代真实反筛，但能把真正值得制作的候选钥匙从一万把缩小到几十把。

数据与训练

模拟器不是天生会认门。它需要看过大量钥匙与门锁的配对记录，才知道什么样的齿形会误开隔壁。数据太少，它就会瞎猜。

公开数据库如 ChEMBL、BindingDB 提供了大量激酶抑制剂活性数据，但数据存在严重稀疏：同一分子测过 JAK2，却没测过 JAK1/TYK2。为了服务于选择性设计，训练样本要把每个分子组织成一个活性向量：该分子在哪些激酶上测过、抑制浓度是多少、缺失值如何标记。

训练策略也需要讲究。数据增强可以给分子图加扰动，让模型看到更多合法变体；迁移学习先用大规模泛激酶数据预训练，再用 JAK 家族小数据微调。最重要的是按骨架划分训练集和验证集，避免同系列分子同时出现在两边，否则模型得分虚高、实战失灵。

一个见过世面的模拟器，才能真正判断新设计的门禁卡。数据和训练策略不是锦上添花，而是选择性预测模型的护城河。

设计案例

JAK 家族是讲选择性的最好课堂。JAK1、JAK2、JAK3、TYK2 四把锁同属一个锁芯平台，但功能却分工明确：JAK2 管造血，JAK3 管免疫，若一个抑制剂把四把锁全部打开，疗效也许有，副作用也很猛。

AI 设计流程大致是：先把已有抑制剂在四个亚型上的活性向量整理成训练集，训练多任务模型；随后对药化团队提出的骨架修饰逐一做虚拟反筛，输出每个候选物对 JAK1、JAK2、JAK3、TYK2 的预测抑制谱。

以设计 JAK1 选择性抑制剂为例，模型会同时给出 JAK1 活性和 JAK2、JAK3、TYK2 旁系活性。项目组按目标与旁系差异排序，只把排序靠前的分子送去合成和激酶谱实测。实测结果再回流到训练集，形成下一轮优化。

案例告诉我们，选择性不是一眼看出来的，而是“预测—合成—反筛—再训练”的闭环结果。每一轮关门，都是向更安全药物靠近一步。

产业价值

门禁系统最终要交付给整个小区，药物最终要面对真实病人。一个误开旁系门的分子，即便目标活性漂亮，也可能在临床阶段因毒性倒下。选择性设计决定了一个候选分子能走多远。

从效率上看，AI 虚拟反筛把大量旁系活性风险提前到合成之前，企业可以减少实体激酶谱筛选的次数，把预算集中在少数高选择性候选分子上。这是典型的降本增效。

从风险上看，越早识别脱靶风险，越能避免晚期临床失败。创新药研发平均周期长、成本高，而选择性预测直接压缩“做完动物实验才发现毒副作用”的悲剧概率。

未来的靶向药竞争，拼的不只是能不能抑癌，更是会不会误伤。把钥匙打磨到只开一扇门，正是 AI 制药全链路里最有温度的一环。

AI 应用场景

Python 演示

# Multi-task activity prediction and selectivity ranking (JAK family demo)from math import exp JAKS = ["JAK1", "JAK2", "JAK3", "TYK2"]FEATS = ["F", "Cl", "Me", "NH2", "CONH2"] # name: [feature vector, [JAK1..TYK2 inhibition labels]]MOLECULES = [    ("A", [1, 0, 1, 0, 1], [1, 0, 0, 1]),    ("B", [0, 1, 1, 1, 0], [1, 1, 1, 0]),    ("C", [1, 1, 0, 0, 0], [1, 1, 0, 0]),    ("D", [0, 0, 1, 1, 1], [0, 1, 1, 1]),]  def sigmoid(z):    return 1.0 / (1.0 + exp(-z))  def train_task(X, y, epochs=200, lr=0.2):    w = [0.0] * len(FEATS)    b = 0.0    for _ in range(epochs):        for feat, label in zip(X, y):            z = b + sum(w[j] * feat[j] for j in range(len(FEATS)))            err = sigmoid(z) - label            for j in range(len(FEATS)):                w[j] -= lr * err * feat[j]            b -= lr * err    return w, b  def predict(w, b, feat):    z = b + sum(w[j] * feat[j] for j in range(len(FEATS)))    return sigmoid(z)  def main():    X = [m[1] for m in MOLECULES]    models = {}    for idx, kinase in enumerate(JAKS):        y = [m[2][idx] for m in MOLECULES]        models[kinase] = train_task(X, y)     candidates = [        ("cand1", [1, 0, 0, 0, 1]),        ("cand2", [0, 1, 1, 0, 0]),        ("cand3", [0, 0, 0, 1, 1]),    ]     results = []    for name, feat in candidates:        preds = {kinase: predict(*models[kinase], feat) for kinase in JAKS}        target = preds["JAK1"]        off = sum(preds[k] for k in JAKS if k != "JAK1") / 3.0        si = target / (off + 1e-6)        coverage = sum(1 for p in preds.values() if p > 0.5)        results.append((si, coverage, name, preds))     results.sort(reverse=True)    for si, coverage, name, preds in results:        print(name, "SI=%.2f" % si, "coverage=%d" % coverage, preds)  if __name__ == "__main__":    main()

1. models[kinase] = train_task(X, y)每个 JAK 亚型训练一个分类头。
2. preds = {kinase: predict(*models[kinase], feat) for kinase in JAKS}用同一分子特征一次性输出四个亚型的抑制概率。
3. si = target / (off + 1e-6)目标预测概率除以旁系平均概率，模拟选择性指数。
4. coverage = sum(1 for p in preds.values() if p > 0.5)统计预测阳性激酶数，模拟激酶覆盖率。
5. results.sort(reverse=True)按选择性从高到低排列，方便项目组优先合成最专一的候选物。

常见误区

面试题