在AI制药的定制交付中，分子生成与虚拟筛选常被当作两个独立模块：前者负责“想”，后者负责“筛”。我们把它们接成一个闭环，重心放在可复现性上——同一输入、同一版本、同一随机种子，结果应能一致复现，否则后续的活性讨论就失去基准。
近期进展（单靶点试点）：
- 以一个结构已知的激酶靶点为例，用条件生成模型产出约120万条候选，经成药性、合成可行性与相似度过滤后保留约3.1万条进入对接；
- 采用多打分函数共识排序加聚类去冗余，输出200条优先合成清单，并对其中12条完成逆合成路线评估，平均步骤数在5步以内，等待湿实验验证。
一个反复出现的观察是：打分函数之间的排序噪声，往往大于不同生成模型之间的差异。因此下一步将引入主动学习，把实验反馈回注到筛选器中重新校准打分权重，并固化一套基准集，用于追踪每轮迭代的真实增益，而不只是看生成数量。
评论