AI分子生成与虚拟筛选：先导化合物发现实验记录

本实验室近期把交付流程收敛为「口袋条件生成 → 属性过滤 → 对接与重打分 → 主动学习回灌」四步。生成端用条件扩散与骨架跃迁模型批量产出候选，再以 PAINS、合成可及性、相似度去重做硬过滤，避免把不可合成或易假阳性的结构送入湿实验。

进展：在内部两个靶点上，单轮生成 1 万级分子，过滤后保留约 6%~10%；对接打分头部 1% 相对随机基线富集约 15~20 倍。需要说明的是，对接分与实测活性的相关性仍不稳定，我们把它当作排序工具而非判据。

下一步：把每轮 20~50 个湿实验样本回灌到排序模型，用主动学习缩小候选池；同时把参数、版本与筛选日志固化进交付包，保证客户侧可复现。