AI 药物发现是什么：从靶点到候选药物的全流程地图

「AI 药物发现」不是一个技术，而是一批技术在药物研发不同阶段的应用。理解这张全流程地图，才能知道某个模型、某篇论文、某个工具在整个链条中的位置——以及它能不能解决你手上的问题。

全流程地图

阶段	核心问题	典型周期	AI 的成熟度
靶点发现	打哪个蛋白	1～3 年	辅助证据汇总（见 154《AI 靶点发现模型》）
苗头发现	找到能结合的分子	0.5～2 年	较成熟（虚拟筛选、生成）
苗头到先导	确认可优化的化学系列	1～2 年	较成熟（见 404《Hit-to-Lead》）
先导优化	多参数同时改善	1～3 年	最有价值的应用场景
临床前	安全性与成药性	1～2 年	辅助预测（见 156《AI ADMET 预测模型》）
临床	人体有效性与安全性	5～8 年	试验设计、患者分层

一个重要的认识：整个流程约 10～15 年，而AI 目前能显著加速的主要是前 3～5 年的部分——即从靶点确认到候选化合物。临床阶段占了大部分时间与成本，而 AI 在那里的作用目前有限。因此「AI 把药物研发时间减半」这类说法需要看清具体指的是哪一段。

各阶段的 AI 切入点

# ---- 靶点发现 ----
#   多组学整合、知识图谱、文献挖掘
#   → 【产生假设，不产生结论】
#   关键：证据梯度（相关 → 遗传 → 功能 → 人体，见 154）
#
# ---- 苗头发现 ----
#   虚拟筛选：
#     配体基（相似性、药效团、QSAR）
#     结构基（对接，见 095、097）
#   分子生成（见 158）
#   结构预测让「无结构靶点」也能做（见 112、120）
#   → 【这是 AI 应用最成熟的环节】
#
# ---- 苗头到先导 ----
#   命中确认（排除假阳性，见 069）
#   SAR 建立（见 073）
#   化学系列的选择与优先级
#
# ---- 先导优化 ----
#   多参数优化：活性 + 选择性 + ADMET + 可合成性
#   自由能计算（见 127）
#   主动学习指导实验设计（见 165）
#   → 【AI 价值最大的环节】：
#     每个化合物的合成 + 测试成本高，
#     少做几轮无效实验的价值很直接
#
# ---- 临床前 ----
#   毒性预测、PK 预测、剂型设计
#   → 【预测能力有限，主要用于早期排除】
#
# ---- 临床 ----
#   患者分层、试验设计优化、真实世界数据分析
#   → 与化学关系不大，更接近医疗 AI

三类核心技术

技术	做什么	代表
预测	给分子/蛋白，预测性质	QSAR、ADMET、DTI（见 155《AI 活性预测模型》～157《AI DTI 预测模型》）
生成	设计新分子/蛋白	REINVENT、扩散模型（见 158《AI 分子生成模型》）
结构	预测三维结构与结合模式	AlphaFold、对接（见 112《AlphaFold2 论文精读》、095《Docking Score》）

这三类技术在实际项目中是配合使用的：用结构指导生成、用预测筛选生成的结果、用生成扩大预测的搜索空间。

一个典型的 AI 辅助项目流程

# 场景：针对某个已验证靶点找先导化合物
#
# 第 0 步：【准备】
#   - 收集该靶点的已知配体与活性数据（ChEMBL，见 226）
#   - 获取结构（PDB 或预测，见 112、120）
#   - 明确目标产品概况（活性、选择性、给药途径）
#
# 第 1 步：【建立基线模型】
#   用已知活性数据训练 QSAR（见 131）
#   → 骨架划分评测，知道模型能信到什么程度
#
# 第 2 步：【虚拟筛选】
#   商业库（Enamine 等）→ 性质过滤 → 相似性/药效团
#   → 对接（见 336）→ 重打分（见 337）→ 人工审查
#   → 采购 200~500 个化合物
#
# 第 3 步：【实验筛选】
#   → 得到苗头化合物（命中率通常 1%~5%）
#
# 第 4 步：【苗头确认】
#   剂量响应、正交实验、排除聚集体与假阳性
#
# 第 5 步：【结构表征】
#   共晶结构（最理想）或对接 + MD 验证（见 096、123）
#
# 第 6 步：【先导优化循环】（DMTA）
#   设计（生成模型 + 化学家）→ 合成 →
#   测试 → 分析（更新模型）→ 再设计
#   → 【AI 在这个循环中的价值是提高每轮的命中率】
#
# 第 7 步：【候选化合物】
#   活性、选择性、ADMET、安全性都达标
#
# 【关键认识】：
#   AI 不是取代任何一步，
#   而是让每一步的【决策质量】更高、【迭代速度】更快

需要建立的现实预期

• AI 不能替代实验：所有计算结果都是假设，需要实验验证。计算的价值在于减少无效实验的比例；
• 数据质量比模型重要：多数项目的瓶颈是数据，而非算法（见 046《分子标准化》）；
• 靶点选错，后面全白做：这是最大的风险，而 AI 在这一步的能力最弱；
• 临床失败的主因是有效性不足与安全性问题，而这两者目前都难以计算预测；
• 「AI 发现的药物」需要具体看 AI 的贡献：从生成分子到临床候选，中间有大量人工优化（见 153《Chemistry42 JCIM 论文精读》）；
• 合理的期望：AI 是加速器与放大器，不是自动化机器。

入门的建议路径

# 【如果你有计算背景，缺化学/生物】
#   1) 先理解药物研发的流程与约束（本文 + 404、405）
#   2) 学化学信息学基础：SMILES、指纹、相似性（见 031、035）
#   3) 用 RDKit 做实际操作（见 022）
#   4) 理解成药性的基本概念（见 064、070）
#   5) 【与化学家聊天】—— 比读十篇论文有用
#
# 【如果你有化学/生物背景，缺计算】
#   1) Python + pandas + scikit-learn 基础
#   2) RDKit 操作分子（见 022）
#   3) 建一个简单的 QSAR 模型（见 131）
#   4) 理解评测的陷阱（见 167、169）
#   5) 【不要一上来就学深度学习】——
#      传统方法在很多任务上已经够用
#
# 【共同的建议】：
#   找一个【真实的小问题】做完整的一遍，
#   比广泛地读教程有效得多
#   例：用 ChEMBL 上某个靶点的数据
#       建一个活性预测模型，
#       做骨架划分评测，
#       与指纹基线比较

延伸资源

• 与传统 CADD 的区别：002《AI DD 与传统 CADD 的区别》；学习路线：003《AI 药物发现学习路线》；
• Hit-to-Lead：404《Hit-to-Lead》；先导优化：405《Lead Optimization》；论文阅读框架：170《AI 制药论文阅读框架》。