在「AI药物研发实验室：分子生成与虚拟筛选定制交付」方向，近期我们把重心放在“生成—筛选—重打分”闭环的工程化落地，而非单纯堆叠模型规模。
做法上，以靶点口袋结构为条件，用骨架跃迁与片段生长两类生成策略产出候选分子；随后依次通过类药性、合成可及性与 PAINS 过滤，再做对接与共识打分排序；最后对头部分子跑短程分子动力学，观察关键氢键与结合姿态是否稳定，剔除“打分好看、姿态发虚”的假阳性。
进展要点：
· 在三个内部测试靶点上，该闭环把人工复核前的候选富集率从约 8% 提升至 21%，单靶点算力成本控制在 40 GPU 小时以内；
· 生成分子的合成可及性评分中位数下降约 0.6 分（越低越易合成），难以成药的骨架占比明显减少。
下一步计划引入自由能微扰对同系物做精细排序，并将交付物标准化为“候选列表＋对接姿态＋合成路线建议＋不确定度说明”四件套，便于化学团队直接接手验证。
评论