Lipinski 五规则：什么时候有用，什么时候会误导

Lipinski 五规则（Rule of Five, Ro5）是药物化学中最广为人知的经验规则。它也是最常被误用的——被当作硬性筛选标准，而它的原意并非如此。

规则内容

参数	阈值
分子量 MW	≤ 500
脂水分配系数 logP	≤ 5
氢键供体 HBD	≤ 5
氢键受体 HBA	≤ 10

「五规则」的名字来自所有阈值都是 5 的倍数。原始表述是：违反两条或以上时，口服吸收不佳的可能性较大。

它的真实来源与含义

来源：Lipinski 等人在 1997 年分析了进入 II 期临床的药物的性质分布，取各参数的约 90 分位数作为阈值；
因此它是一个统计概括，不是物理定律——它描述的是「大多数口服药长什么样」，而非「什么样的分子才能口服」；
它只针对口服吸收：不适用于静脉、吸入、局部给药；
它不预测活性、选择性、代谢、毒性——完全不涉及这些；
原文明确排除了天然产物与主动转运的底物；
它是概率性陈述：「可能性较大」，不是「一定不行」。

什么时候有用

虚拟筛选的初步过滤：从千万级化合物库中快速排除明显不像口服药的分子，作为第一道粗筛是合理的；
提醒优化方向：分子在优化中逐渐变大变油时，Ro5 提供一个警示信号；
沟通的共同语言：药化领域的通用参照系。

什么时候会误导

用作硬性淘汰标准：这是最常见的误用。大量成功的口服药违反 Ro5——环孢素（MW 1202）是最著名的例子，还有许多大环、多肽、天然产物衍生物。把违反 Ro5 的分子直接删掉，可能扔掉真正有价值的化学空间。
用于非口服给药：注射剂完全不受这些约束；
用于非常规模态：PROTAC、大环、多肽、核酸都远超 Ro5（见 362《降解剂成药性》、373《大环化合物 Macrocycle》）；
忽略主动转运：某些药物通过转运体主动吸收，不依赖被动扩散；
把它当成充分条件：满足 Ro5 不保证口服吸收好——溶解度、代谢、外排都不在规则内；
用于先导化合物：先导阶段的分子应该比 Ro5 更严格（见 070《Lead-like 与 Drug-like》），因为优化过程会增重。

更实用的补充规则

规则	内容	补充了什么
Veber 规则	可旋转键 ≤ 10；TPSA ≤ 140 Å²	柔性与极性表面积（见 065《Veber Rule》）
Ghose 过滤	MW 160～480；logP −0.4～5.6；原子数 20～70	下限约束
Egan 规则	logP ≤ 5.88；TPSA ≤ 131	基于吸收数据拟合
Muegge 规则	多参数组合	更细致
Rule of 3	片段专用：MW < 300、logP < 3、HBD ≤ 3	片段筛选
CNS MPO	针对中枢神经系统药物的多参数评分	脑内暴露

Veber 的两个参数（可旋转键与 TPSA）在预测口服吸收上往往比 Ro5 的四个参数更有效——尤其 TPSA，它直接反映去溶剂化代价。

计算实现

from rdkit import Chem
from rdkit.Chem import Descriptors, Crippen, rdMolDescriptors

def property_profile(smiles):
    mol = Chem.MolFromSmiles(smiles)
    if mol is None:
        return None

    props = {
        "MW": Descriptors.MolWt(mol),
        "cLogP": Crippen.MolLogP(mol),
        "HBD": Descriptors.NumHDonors(mol),
        "HBA": Descriptors.NumHAcceptors(mol),
        "TPSA": Descriptors.TPSA(mol),
        "RotB": Descriptors.NumRotatableBonds(mol),
        "AromaticRings": Descriptors.NumAromaticRings(mol),
        "Fsp3": rdMolDescriptors.CalcFractionCSP3(mol),
        "HeavyAtoms": mol.GetNumHeavyAtoms(),
    }

    # Ro5 违反数（注意：是「违反几条」而非「是否通过」）
    violations = sum([
        props["MW"] > 500, props["cLogP"] > 5,
        props["HBD"] > 5, props["HBA"] > 10,
    ])
    props["Ro5_violations"] = violations

    # Veber
    props["Veber_pass"] = (props["RotB"] <= 10 and props["TPSA"] <= 140)

    return props

# 建议的用法：
#   记录违反数与具体是哪些参数超标，
#   而不是简单地二分「通过/不通过」
#   → 保留信息，让决策者自己判断

Fsp³：一个值得关注的补充指标

# Fsp³ = sp³ 杂化碳原子数 / 总碳原子数
#
# 含义：分子的「三维性」
#   Fsp³ 低 = 平面、芳环为主
#   Fsp³ 高 = 立体、含饱和环与手性中心
#
# 观察到的关联：
#   Fsp³ 高的分子往往
#     - 溶解度更好（破坏平面堆积）
#     - 选择性更好（更多三维互补性）
#     - 临床成功率可能更高
#
# 「逃离平面性（escape from flatland）」
#   是药物化学界近年的一个共识性倡议
#
# 但注意：
#   引入 sp³ 中心通常增加合成难度与手性复杂度
#   需要权衡

正确的使用姿势

把规则当作参考而非判决：记录违反了哪些、违反多少，而不是简单地过滤掉；
结合项目 TPP 定制标准（见 414《目标产品特征 TPP》）：口服慢性用药的标准应严于急性静脉给药；
用 MPO 代替硬阈值（见 415《化合物优先级排序》）：平滑的期望度函数比阶跃过滤合理得多；
先导阶段更严格：给优化留出增重空间（见 070《Lead-like 与 Drug-like》）；
非常规模态另设标准：bRo5 空间有自己的规律（见 362《降解剂成药性》）。

关键要点

Ro5 是对已上市口服药性质分布的统计概括，不是物理定律；
它只针对口服吸收，不预测活性、代谢、毒性；
把它当硬性淘汰标准是最常见的误用——大量成功药物违反它；
Veber 的 TPSA 与可旋转键往往比 Ro5 更能预测口服吸收。

延伸资源

Veber 规则：065《Veber Rule》；QED：066《QED 指标》；
Lead-like：070《Lead-like 与 Drug-like》；MPO：415《化合物优先级排序》；bRo5：362《降解剂成药性》。