在 AI 制药方向，我们把一次虚拟筛选拆成四步：靶点口袋准备、化合物库粗筛、条件分子生成、打分模型与实验数据的交替校准。最近一轮内部实验中，我们以一款激酶靶点为对象，先对约 120 万化合物库做对接打分粗筛，取前 5% 进入重打分与相互作用指纹复核，得到约 900 个候选分子。
要点：
· 生成环节采用口袋条件化的扩散模型做骨架跃迁，叠加合成可及性与 ADMET 规则过滤，输出 400 余个可合成新分子，其中约三成与已知活性骨架差异明显。
· 打分校准上，用 60 组已知活性数据对打分函数做局部重排序，前 100 名的富集倍数提升较为明显，但跨靶点迁移仍不稳定，暂不适合作为唯一决策依据。
下一步计划：将湿实验测得的活性数据回填为偏好数据，用于生成模型微调，并在第二个靶点上验证「生成—筛选—合成—测活」闭环的可复现性。
评论