AI 药物发现综述怎么读：从 NRDD、CSR 到 JCIM 的阅读顺序

AI 制药领域的综述数量巨大，质量差异也大。盲目地读综述容易陷入「读了很多但什么都不会做」的状态——关键是先明确目的，再选择对应层次的综述。

按目的选择综述层次

你的目的	该读什么	典型来源
了解领域全貌	高层次的展望型综述	NRDD、Nature 子刊
理解某个环节	专题综述	Drug Discovery Today、Chem Soc Rev
选择具体方法	方法学的对比研究	JCIM、J Cheminform
动手实现	原始论文 + 代码	—
了解产业现状	行业分析、案例报道	—
批判性认识	指出问题的评论文章	价值常被低估

建议的阅读顺序

# 【第 1 层】：先建立全局地图（2~3 篇）
#   目标：知道药物研发有哪些环节，
#         AI 在各环节的位置与成熟度
#   → 见本知识库的 001、028
#
#   【读完应该能回答】：
#     - 药物研发的主要阶段是什么？
#     - 每个阶段的核心问题？
#     - AI 在哪个阶段最成熟？
#
# 【第 2 层】：选一个环节深入（3~5 篇）
#   根据自己的工作选择：
#     虚拟筛选 / 分子生成 / ADMET / 结构预测
#
#   【读完应该能回答】：
#     - 这个环节有哪些主流方法？
#     - 各方法的适用条件？
#     - 当前的主要瓶颈是什么？
#
# 【第 3 层】：读方法学的对比研究（2~3 篇）
#   【这是最有实用价值的一层，也最容易被跳过】
#   特征：
#     - 在统一设置下比较多个方法
#     - 有严格的数据划分
#     - 报告统计显著性
#     - 【常常报告「新方法没有明显优势」】
#
#   【读完应该能回答】：
#     - 我该用哪个方法？
#     - 它相对基线的真实提升是多少？
#
# 【第 4 层】：读原始论文 + 跑代码
#   只对确定要用的方法做
#   → 【用五问框架】（见 170）
#
# 【第 5 层】：持续跟进（每月 1~2 小时）
#   关注：
#     - 有实验验证的工作
#     - 批判性的评论文章
#     - 开源可用的新工具
#
# 【一个常见的错误路径】：
#   在第 1 层读了十几篇综述 →
#   感觉「什么都知道一点」 →
#   但不知道该做什么 →
#   【应该尽早进入第 3、4 层】

判断综述质量的信号

好信号	警示信号
讨论方法的局限与失败案例	只罗列成功案例
有定量的对比数据	只有定性描述
指出评测中的问题	直接引用各论文报告的数字
区分「已验证」与「有潜力」	把展望当作现实
作者有实际项目经验	纯文献综述
讨论数据质量问题	只关注模型
给出可操作的建议	结论是「AI 前景广阔」

一个快速判断法：看综述有没有「Limitations」或「Challenges」章节，以及这一节写得有多具体。写得越具体、越坦诚，通常质量越高。只有一段泛泛而谈的「数据质量与可解释性仍是挑战」，说明作者可能缺乏实操经验。

读综述时要主动提的问题

# 【对每个宣称】：
#
# 1) 【这个结论的证据是什么？】
#    - 回溯性基准测试？
#    - 前瞻性验证？
#    - 【实际的实验验证？】
#    → 证据强度差异很大
#
# 2) 【引用的原始工作用了什么评测设置？】
#    综述常常直接引用各论文报告的数字，
#    而这些数字可能来自不同的划分方式
#    → 【不可直接比较】
#
# 3) 【有没有与强基线比较？】
#    综述中列出的「SOTA 方法」，
#    与 ECFP + 树模型相比如何？
#    → 【综述通常不会回答这个问题】
#
# 4) 【时间因素】
#    综述有滞后性，
#    发表时可能已经过时一两年
#    → 【结构预测这类快速演进的领域尤其明显】
#
# 5) 【作者的立场】
#    来自方法开发者的综述可能更乐观
#    来自产业实践者的综述可能更审慎
#    → 两种都读
#
# 6) 【这对我的工作意味着什么？】
#    → 【读完如果不能回答这个问题，
#      这篇综述对你就没有价值】

更有价值的替代阅读

方法学的严格对比研究：比综述有用得多——它们在统一设置下比较多个方法，常常得出「差异不显著」的结论；
指出评测问题的论文：如揭示基准偏倚、数据泄漏的工作——这类论文改变你判断所有其它论文的方式；
失败案例的分析：比成功案例信息量大，但发表的少；
产业实践的经验分享：博客、会议报告（见 011《Practical Cheminformatics 博客》）；
直接读原始论文：对确定要用的方法，综述的二手描述常常丢失关键细节。

一个务实的阅读节奏

# 【时间分配建议】
#
# 综述阅读：            20%
#   建立地图与背景
#
# 方法学对比研究：      20%
#   【判断该用什么】
#
# 原始论文 + 代码：     30%
#   深入理解要用的方法
#
# 【自己动手实验】：    30%
#   【这是理解的真正来源】
#
# 【核心原则】：
#   读一篇 → 【动手试一个】
#   而非读十篇再动手
#
# 【一个自检问题】：
#   「我上次因为读了某篇论文
#     而改变了自己的做法，是什么时候？」
#   → 如果想不起来，说明读的方式需要调整
#
# 【另一个建议】：
#   读完一篇有价值的论文，
#   写三句话总结：
#     1) 它解决了什么问题
#     2) 关键的方法创新是什么
#     3) 【它改变了我的什么认识】
#   → 第 3 条写不出来的，可能不值得花时间读

关键要点

先明确目的再选综述层次——在第 1 层读十几篇是常见的低效路径；
方法学的严格对比研究比综述有用得多，也最容易被跳过；
快速判断质量：看有没有具体的 Limitations 章节；
读一篇就动手试一个，而非读十篇再动手；写不出「改变了我什么认识」就不值得读。

延伸资源

论文阅读框架：170《AI 制药论文阅读框架》；Benchmark 陷阱：169《Benchmark 陷阱》；
Practical Cheminformatics：011《Practical Cheminformatics 博客》；任务导航：028《Papers with Code 药物发现任务导航》；全流程地图：001《AI 药物发现是什么》。