分子设计中的多模态趋势：小分子之外的统一表征

药物研发的模态已经从小分子扩展到降解剂、多肽、抗体、核酸、细胞治疗。能否用统一的框架表征和建模这些不同模态，是 AI 制药的一个前沿问题——也是一个容易被过度承诺的方向。

各模态的表征现状

模态	主流表征	成熟度
小分子	SMILES、分子图、3D 构象、指纹	成熟
多肽	序列 + 分子图（含非天然氨基酸）	较成熟
大环	分子图（需大环构象处理）	较成熟
蛋白 / 抗体	序列（语言模型）+ 结构	成熟
核酸	序列 + 二级结构	中等
降解剂	分子图（但需三元复合物信息）	不足
偶联药物（ADC）	无统一表征	缺乏

问题在于这些表征之间没有共同的「语言」：小分子的图表示与蛋白的序列表示是完全不同的空间，模型无法在它们之间迁移知识。

统一表征的几条路线

路线一：都当作原子图。任何分子（小分子、多肽、甚至蛋白）本质上都是原子与键的集合，可以统一表示为图。问题是尺度差异巨大——小分子几十个原子，蛋白几千个，图神经网络难以同时处理这两个尺度。
路线二：都当作序列。用 SMILES 表示小分子、氨基酸序列表示蛋白、核苷酸序列表示核酸，然后用统一的语言模型。问题是这些「语言」的语法完全不同，共享模型未必比专用模型好。
路线三：三维结构统一。所有分子最终都是三维原子排布，用等变神经网络统一处理。这是理论上最有前景的路线——AF3 架构已经在朝这个方向走（同时处理蛋白、核酸、小分子、离子）。
路线四：任务级统一而非表征级统一。不追求统一表征，而是用统一的接口/流程处理不同模态的任务。这是最务实的做法。

AF3 架构的启发

AlphaFold 3 及其开源实现（Boltz、Chai-1，见 192《Boltz》、193《Chai-1》）已经实现了一定程度的多模态统一：

同一个模型处理蛋白、DNA、RNA、小分子配体、离子、修饰残基；
用统一的原子级表示 + 分子类型嵌入；
输出统一的三维坐标。

这证明了「三维结构统一」路线的可行性。但要注意：它统一的是结构预测这一个任务，而不是性质预测、活性预测、ADMET 等其它任务。

跨模态迁移：有多少可能

# 现实检验：哪些知识可以跨模态迁移？

# 可以迁移的：
#   - 物理化学基本规律（氢键、疏水效应、静电）
#   - 三维几何与形状互补
#   - 结合位点的性质
#   - 部分 ADMET 规律（如极性与通透性的关系）

# 难以迁移的：
#   - 模态特异的成药性规则
#     （小分子的 Ro5 vs 抗体的可开发性完全不同）
#   - 递送与药代规律
#     （小分子被动扩散 vs 抗体的 FcRn 循环）
#   - 合成/生产可行性
#     （有机合成 vs 蛋白表达）
#   - 免疫原性（只有生物药有此问题）
#   - 代谢途径（CYP 酶 vs 蛋白酶）

# 结论：底层物理可迁移，上层的成药性规律基本不可迁移

务实的多模态实践

与其追求「一个模型统治所有模态」，更实际的做法是：

统一的数据基础设施：不同模态用不同的表征，但共用统一的数据管理、实验追踪、决策框架（见 225《AI 制药工具工程化》）。这是投入产出比最高的统一。
统一的决策框架：无论什么模态，都要回答「活性够吗、选择性够吗、能到达靶点吗、安全吗、能生产吗」。多参数优化的方法论是通用的。
模态特异的模型 + 共享的物理先验：用各模态最合适的表征训练专用模型，但在结构层面共享物理知识（如用同一套力场、同一套结构预测工具）。
模态选择本身作为决策：这是最有价值的「多模态思维」——面对一个靶点，先判断哪种模态最合适（见下），而不是默认做小分子。

模态选择的决策框架

靶点特征	推荐模态
细胞内 + 有明确口袋	小分子
细胞内 + 无口袋但有结合位点	降解剂（见 356《PROTAC 是什么》）
细胞内 + 正构不可成药	变构（见 381《变构位点发现 Allosteric Site》）
细胞内 + 有可靶向 Cys	共价（见 379《共价抑制剂设计》）
细胞外 + 需高选择性	抗体
细胞外 + 需组织穿透	纳米抗体（见 369《纳米抗体与单域抗体》）
细胞外 PPI 界面	多肽 / 大环（见 372《多肽药物设计》、373《大环化合物 Macrocycle》）
需要降低蛋白表达	ASO / siRNA（见 375《反义寡核苷酸 ASO》、376《siRNA 设计》）
需要提供缺失蛋白	mRNA（见 377《mRNA 序列优化》）
肝脏靶点 + 核酸机制	GalNAc-siRNA（递送成熟）

对这个方向的清醒判断

统一表征的实际价值目前有限：各模态的成药性规律差异太大，强行统一未必比专用方法好。
结构层面的统一已经实现（AF3 架构），这是真实的进展；
但结构只是第一步：活性、选择性、ADMET、递送、生产——这些环节的知识基本无法跨模态迁移；
最有价值的「多模态能力」是判断力：知道每种模态的优势与限制，为每个靶点选对模态。这更依赖领域知识而非统一模型。

关键要点

AF3 架构已实现结构预测层面的多模态统一，这是真实进展；
底层物理规律可跨模态迁移，上层成药性规律基本不可迁移；
最务实的统一是数据基础设施与决策框架，而非表征本身；
最有价值的多模态能力是「为每个靶点选对模态」的判断力。

延伸资源

各模态：356《PROTAC 是什么》、364《抗体结构预测》、372《多肽药物设计》、375《反义寡核苷酸 ASO》、379《共价抑制剂设计》、381《变构位点发现 Allosteric Site》、382《PPI 抑制剂》；
结构预测：192《Boltz》、193《Chai-1》；工程化：225《AI 制药工具工程化》。