Iktos Makya：生成式 AI 药物设计平台介绍

Makya 是 Iktos（法国）的生成式分子设计平台。与其他生成平台类似，它接受靶点信息与优化目标，产出候选分子；其特色是与自家逆合成工具 Spaya（见 286《Iktos Spaya》）打通，让生成的分子自动带上合成路线评估。

生成式设计平台的共性能力

各家平台的差异主要不在生成算法，而在打分函数的工程质量与护栏设计。生成一堆分子很容易，生成一堆值得合成的分子很难。

怎么判断生成产出的质量

无论用哪个平台，这套评估方法都适用：

• 1. 基本体检：有效性、唯一性、新颖性、内部多样性（用 GuacaMol / MOSES 指标，见 222《GuacaMol》、223《MOSES》）。这些不达标说明有基础问题。
• 2. 化学合理性人工审查：随机抽 50 个产出，让药化专家评分。关注反应性基团、不稳定结构、过度共轭、不合理的立体化学。用 mols2grid（见 217《Mols2grid》）批量渲染，几分钟就能过一遍。
• 3. 合成可行性评审：让合成化学家评估路线与预估成本。这一步的通过率是平台质量最真实的指标。
• 4. 与已知活性分子对照：产出分子与该靶点已知活性分子的相似性分布如何？全都很相似说明缺乏创新；全都很不同则可能偏离了有效化学空间。
• 5. 回测验证：隐去某个已知系列，看模型能否重新发现类似结构。
• 6. 最终判据：真正合成出来并测活性。前五步都是代理指标，只有这一步是真的。

生成式设计的现实定位

• 不是「AI 设计出新药」：目前的现实是「AI 产出候选，专家筛选，实验验证」。生成模型扩大了搜索范围并加速了想法产生，但每一步仍需人的判断。
• 先导优化比从头发现更成熟：在已知系列上做受控改造（保骨架换取代基），成功率明显高于从零生成新骨架。实际项目中前者的使用频率也高得多。
• 价值在于覆盖面而非单点最优：人能想到几十个改造方案，模型能产生几千个并按多目标排序。这个覆盖面本身有价值，即使最终选中的分子人也能想到。
• 模型会钻打分函数的空子：这是结构性问题，不是调参能解决的。护栏（结构警报、合成可及性、相似性约束）必须内建。

自建的开源路径

# REINVENT4（见 221）是最成熟的开源选项
# 关键是打分函数设计，而非生成算法

[stage.scoring]
type = "geometric_mean"      # 任一项差则总分差，防止钻空子

# 必备护栏组件：
#   - custom_alerts     结构警报（反应性、不稳定基团）
#   - SAScore           合成可及性
#   - MolecularWeight   性质约束（用平滑 transform）
#   - TanimotoSimilarity 与参考分子的相似性下限（防止跑偏）
#   - 自训 QSAR         活性预测（必须配不确定性约束）

延伸资源

• 配套逆合成：286《Iktos Spaya》；开源方案：221《REINVENT4》；
• 评测工具：222《GuacaMol》、223《MOSES》；人工审查：217《Mols2grid》。