AIDD·Atlas AI 制药学习地图
415

化合物优先级排序:多参数优化 MPO 实战

MPO 把多个目标(活性、ADMET、安全等)综合成可排序的分数,帮助在多维权衡中挑出「综合最优」的化合物。

先导优化要同时满足很多目标。多参数优化(MPO)把它们综合成一个可排序的分数来挑分子。

怎么做 MPO

  • 为每个性质设「期望度函数」(越好越接近 1)
  • 加权综合成 MPO 分数
  • 考虑预测的不确定性(见 166)
  • 用它排序候选、挑下一轮合成

实践要点

  • 权重反映项目优先级(与 TPP 对齐)
  • 别让单一指标主导(避免极端分子)
  • 用概率/分布而非单点值更稳健
  • 工具如 StarDrop 提供 MPO(见 282)

关键要点

MPO 把「多目标权衡」变成可操作的排序;关键是期望度函数与权重要对齐 TPP,并纳入不确定性。

延伸资源

  • 对照 414《TPP》、166《不确定性》、282《StarDrop》。