在AI药物研发实验室本阶段的工作中，我们把重点放在“生成—筛选—排序”链路的可复现性上，而非单纯追求生成分子的数量。
进展：搭建了一套以靶点结构为约束的分子生成与虚拟筛选流水线。生成端采用条件生成模型，支持指定骨架或药效团片段做约束采样；筛选端先做类药性、合成可行性与结构告警过滤，再用对接打分与打分函数一致性校准做二级排序，减少单一打分带来的假阳性。
数据：在内部三个靶点的测试集上，对约20万条生成分子执行上述流程，Top-1% 的对接富集率相较随机枚举基线提升约2.4倍，单轮全流程耗时由数天压缩至数小时；同时保留了每条候选的生成条件与筛选轨迹，便于回溯与复现。
下一步：从中选取少量候选进入湿实验做结合活性验证，并用实测结果反向校准打分函数与生成模型的约束权重，逐步形成“生成—筛选—实验”的小闭环。
评论