AI分子生成与虚拟筛选定制：先导化合物发现的三步实践

分子生成与虚拟筛选的关键不在模型规模，而在把"可合成、可成药、可验证"串成闭环。本实验室的定制交付把流程固定为三步：口袋条件生成 → 物性/ADMET 过滤 → 对接与打分复核。

近期进展：
1）以靶点口袋结构为条件训练生成模型，输出分子的合成可及性（SA）与类药性（QED）达标率由初版约六成提升至九成以上；加入多样性惩罚后，同骨架重复显著减少。
2）筛选侧采用"对接打分 + 药效团/相似性模型"双通道排序，商业库与自建库统一去重、去 PAINS。同一靶点上前 1% 富集率相对随机基线有数倍提升，但靶点间波动明显，暂无通用阈值可套用。

下一步计划：将共折叠结构预测打分作为二级精筛，对进入前十的分子补做短程分子动力学与 FEP 估算；同时把随机种子、模型版本与参数一并写入交付文档，保证客户可复现、可审计。交付物不是一堆分子，而是一条能反复跑通的筛选流水线。