在化学宇宙中寻找 美丽分子 ：生成式 AI 药物设计的现状、挑战与未来

文献来源：van den Broek R L, Patel S, van Westen G J P, et al. In Search of Beautiful Molecules: A Perspective on Generative Modeling for Drug Design. J. Chem. Inf. Model. 2025, 65, 9383–9397. DOI：10.1021/acs.jcim.5c01203 作者单位：Leiden University（荷兰莱顿大学药学院）& Psivant Therapeutics（波士顿）

导读：为什么这篇文章值得认真读？

生成式 AI（Generative AI，简称 GenAI）正在以前所未有的速度改变各行各业。在制药领域，各大生物技术公司纷纷声称 AI 将颠覆药物发现——但临床成功的案例寥寥无几，绝大多数 AI 生成的分子依然止步于纸面。

这篇 2025 年发表于 Journal of Chemical Information and Modeling 的综述，由荷兰莱顿大学与美国 Psivant Therapeutics 联合撰写，是对"生成式 AI 药物设计（GADD）"领域系统、清醒的批判性总结。

论文的核心命题是：生成式药物设计的终极目标，是产出"美丽"分子——那些真正符合治疗目标、具备临床转化潜力的化合物。

本文将系统梳理这篇综述的主要内容，深入解析其核心论点，并结合领域背景进行延伸评述。

一、背景：GenAI 的浪潮与药物发现的落差

1.1 GenAI 的爆发式渗透

2021 年 DALL·E 发布、2022 年 ChatGPT 问世，标志着生成式 AI 进入大众视野。根据麦肯锡 2024 年初的全球调查，仅在 ChatGPT 发布两年后，65% 的企业已将生成式 AI 融入日常运营。营销、内容创作、软件开发、制造业原型设计……几乎每个行业都在投入资源开发专属生成模型。

1.2 药物发现领域的尴尬处境

然而，GenAI 在药物发现中的表现却明显滞后。尽管学术界发表了大量关于分子生成的论文，真正在前瞻性药物发现项目中体现出明确、可重复价值的案例却极为有限——以临床成功率衡量，GenAI 尚未显著改变药物研发的成功概率。

论文作者认为，这一落差的根源在于：大多数生成模型只是在优化数字指标，而非真正对齐治疗需求。

1.3 为什么需要"美丽分子"这一概念？

作者引用了诺贝尔化学奖得主 Roald Hoffmann 1990 年的经典论文《Molecular Beauty》：

"什么让分子美丽？也许是其简洁性，对称的结构；或是其复杂性，完成特定功能所需的丰富结构细节……新颖性、惊喜感、实用性同样在分子美学中扮演着角色。"

在药物发现的语境下，"美"不再是单纯的几何对称，而是合成实用性、分子功能和疾病改善能力的整体融合。一个美丽的药物分子，必须：

• • 在合理的时间和成本内可被合成
• • 在体内具备可接受的 ADMET（吸收、分布、代谢、排泄与毒性）性质
• • 对靶点有足够的选择性和亲和力
• • 具有清晰的临床转化路径

二、化学空间的规模与虚拟筛选的局限

2.1 为什么 GenAI 是必要的？

一个常见的质疑是：超大规模虚拟筛选库（ultra-large virtual library）能否替代生成式设计？

目前最大的化合物虚拟库（如 GDB-17 和 Enamine REAL Space）已达 10¹⁰ 至 10¹¹ 量级。但相比于理论上可能存在的类药化学空间（估计为 10³³ 至 10⁶⁰），这些库仍是沧海一粟。

更重要的是，结构-活性关系（SAR）往往是高度非线性的——即"活性悬崖"（activity cliff）现象普遍存在：两个结构高度相似的分子，活性可能相差数个数量级。固定库中可能正好缺失那个关键的突破性化合物。

因此，GenAI 的价值在于：探索固定库无法覆盖的全新化学空间，动态生成兼具新颖性和可合成性的分子。

三、核心模块一：合成可及性与采购策略

3.1 化学有效性 ≠ 合成可及性

早期 GADD 研究过度关注"化学有效性"——确保生成分子符合基本化学规则。SMILES、DeepSMILES、SELFIES 等序列表示方法都尝试在表示层面保证有效性，但实践中，化学有效的分子与可合成的分子之间仍存在巨大鸿沟。

更重要的是，还有一个常被忽视的问题：立体化学。立体构型对生物活性、受体结合和代谢稳定性有决定性影响，而大多数生成模型并未显式处理这一问题。

3.2 三种分子采购策略

论文系统比较了三种主要采购路径：

① 供应商匹配（Vendor Mapping）

通过 Tanimoto 相似性或药效团/形状匹配，在供应商库中寻找与生成分子最接近的已有化合物。优点是快速、低成本；缺点是本质上限制了化学空间的探索范围——即便 Enamine 的库已突破 10⁹，也仅是理论化学空间的极小片段。

② 组合库合成（Combinatorial Libraries）

利用预定义的合成策略，通过标准化反应组合已知构建块，快速合成多达 10⁶ 量级的分子集合。当与供应商构建块匹配结合时，可兼顾多样性与可合成性。但其本质是枚举已知反应的排列组合，在构建块空间足够大之前，GenAI 并不比传统枚举具有明显优势。

自动化闭环平台（如 DMTA 流程：设计-制备-测试-分析）尤其适合组合库策略，贝叶斯优化可用于实时精调反应条件。

③ 逆合成规划（Retrosynthesis）

理想中，GADD 应能直接给出目标分子的合成路径。但现实是，计算机辅助合成规划（CASP）仍处于早期阶段——当前工具可以提示潜在反应起始点，但无法自动给出精确的反应条件，仍需专业合成化学家大量人工干预。

闭环合成中，反应条件预测（如借助贝叶斯优化）已取得进展，但对任意给定分子预测最优反应参数仍是重大挑战。

一个已成熟的特例：多肽化学。由于构建块（氨基酸）和反应（酰胺偶联）高度模块化，固相多肽合成（SPPS）已可完全自动化，适合高通量候选分子生成——但多肽固有的细胞渗透性差、蛋白酶降解快和口服生物利用度低等局限性不容忽视。

3.3 主动学习：真正的闭环设计

主动学习（Active Learning） 是将 GenAI 价值最大化的关键框架。其核心是：在 DMTA 循环中，优先合成和测试预计能带来最大信息增益的分子，将实验结果实时反馈给预测模型，持续提高模型准确性和生成质量。

这一框架的意义在于：它将"探索"与"利用"动态平衡，而非固化为一次性的分子生成。每一轮实验数据都使系统更聪明，使化学空间的探索更有目的性。

四、核心模块二：ADMET 预测——最难攻克的堡垒

4.1 ADMET 的重要性与现实困境

ADMET 性质不佳是药物研发后期失败的头号原因。将 ADMET 筛查前移至苗头化合物（hit）和先导化合物（lead）优化阶段，是提升临床成功率的关键策略。

然而，将 ADMET 预测模型整合进 GenAI 框架面临严峻挑战：

• • 数据质量差：公开数据集普遍存在测量噪声、实验条件不一致、跨实验室可重复性差等问题
• • 泛化能力弱：大多数 ADMET 模型在训练域之外严重失准。而 GenAI 的核心能力恰恰是探索新颖化学空间——这本质上就是在训练域之外操作
• • "反讽式困境"：生成模型的探索能力（其最大优势），使其特别容易提出 ADMET 预测器存在盲点的分子，导致计算上"完美"、实验上彻底失败的结果

关键警示：在 GenAI 工作流中，模型引导生成的准确性往往被系统性高估，在那些泛化性至关重要的探索性项目中尤为突出。

4.2 三类预测方法的比较

① 基于机器学习的 ADMET 模型

核心瓶颈：无论模型架构多先进，训练数据的质量和多样性是根本限制。"垃圾进，垃圾出"的铁律在 ADMET 预测中尤为严峻。

② 基于物理的 ADMET 模型

包括：分子对接/共折叠（预测代谢酶结合）、分子动力学（MD，捕捉蛋白柔性）、量子力学（QM/DFT，预测代谢机制与毒性团）。AlphaFold 3、Boltz-2、Chai-1 等新一代共折叠模型正在与传统对接方法竞争，并在某些场景下表现出优势。

这类方法的优势是机制可解释、泛化能力相对更强，但计算代价过高，无法在 GenAI 内循环中实时使用，只能作为最终合成前的筛选过滤器。

③ 混合方法

将机器学习与高保真物理模拟数据结合，辅以迁移学习和主动学习策略，是当前改善 ADMET 模型泛化性的最有前景方向之一。

4.3 数据集质量：被忽视的关键

论文特别强调了训练数据的质量问题：

• • 不同实验室间，即便使用"相同"方案，同一化合物的测量值也可能显著不同，引入标签噪声
• • 对于转运体介导的渗透性、肝脏清除率、药物性肝损伤（DILI）等复杂端点，标准化、可重复的检测方法本身就很稀缺
• • 这些限制导致模型在窄化合物系列上过拟合，在新颖应用中极度脆弱

五、核心模块三：靶点结合预测——从对接到共折叠

5.1 配体-靶点结合的预测方法体系

预测分子与靶点的结合亲和力，有两大方法论传统：

基于配体的方法：

• • QSAR（定量构效关系）：利用已知活性数据和分子描述符训练预测模型
• • 蛋白化学计量学（PCM）：将蛋白质序列信息融入 QSAR，实现跨蛋白家族预测，可处理突变体

特点：几乎即时预测，计算成本低；缺点是受制于训练数据的化学和生物空间覆盖范围。

基于结构的方法：

5.2 共折叠：范式转移的新前沿

共折叠（Co-folding） 将配体和蛋白作为整体系统建模，不同于传统对接中蛋白结构固定的假设，它能捕捉配体依赖的蛋白构象变化。AlphaFold 3、Boltz-2、Chai-1 等模型代表了这一方向的最新进展。

其关键优势是：在分钟级时间内生成物理合理的蛋白-配体复合物结构，与生成模型结合后，可实现生成过程中的实时结构评估——这是对接难以实现的"动态结构感知"生成。

但共折叠模型仍有重要局限：尚不能达到精细亲和力排序所需的定量精度；其性能高度依赖高质量训练数据，而对于最有价值的"未成药靶点"，恰恰数据最匮乏。

5.3 超越结合亲和力：动力学与功能效应

论文进一步指出，现代药物发现已超越单纯的"结合亲和力"范式，需要考量：

• • 结合动力学：结合速率（kon）和解离速率（koff）决定药物的"驻留时间"（residence time），这是体内疗效的关键预测因子
• • 共价结合：形成稳定共价键，可大幅延长驻留时间，适用于癌症和酶抑制领域，但需精心设计以避免脱靶反应
• • 变构调节：作用于非活性位点，选择性更高，活性调节更精细
• • 表型终点：整合系统级生物学数据，超越"单靶点-单效果"的还原主义模型

这些更复杂的靶点属性，无论从预测还是从生成优化角度看，目前都远超现有计算方法的能力边界。

六、核心模块四：多参数优化（MPO）——让"美"可以被计算

6.1 为什么需要 MPO？

药物发现是一个多目标优化问题，且目标之间往往相互矛盾：提高亲脂性可能增强效力，但损害溶解度和代谢稳定性；增大分子量可能改善结合，但降低细胞渗透性……

多参数优化（MPO） 提供了一个将这些矛盾目标整合为单一可优化信号的框架，在 RL 驱动的分子设计中扮演核心角色。

6.2 MPO 评分函数的三种主要形式

更先进的框架（如 ACEGEN、DrugEx v2）会基于实验反馈或项目阶段动态调整权重，接近真实药物研发的迭代决策模式。

6.3 奖励黑客（Reward Hacking）：最危险的陷阱

这是论文中最具警示意义的部分，并配有具体案例：

案例研究：以 DOCK6 对接得分为唯一奖励函数，REINVENT4 生成的最高分分子普遍带有冗长、柔性的脂肪侧链——这些侧链通过与蛋白口袋建立大量弱接触来"刷高分"。但这类分子：

• • 配体效率（ligand efficiency）极低
• • 细胞膜渗透性差
• • 合成极度困难
• • 大概率具有 ADMET 问题

这就是"奖励黑客"：分子在优化目标上表现完美，但违背了一个真正好药物候选的全部原则。

作者给出的解决方案是构建阶段适配的 MPO 函数，对上述失效模式施加多重约束：

1. 1. 对接得分归一化（如按重原子数归一化，或设定上限）
2. 2. 添加柔性和分子大小的反向惩罚（可旋转键数量、最大脂肪链长度）
3. 3. 约束可合成性评分（SA score）、分子量、cLogP、TPSA
4. 4. 惩罚超出适用域（Applicability Domain）的不可靠预测

6.4 两种常见优化失效模式

① 奖励黑客（Reward Hacking）：生成模型通过利用评分函数的漏洞产生虚高得分，但实质上与治疗目标背道而驰。

② 局部最优（Local Minima）：过严的约束权重抑制探索，导致优化收敛到单一分子系列，错失潜在更优的候选物。

对策：在多样化、经实验验证的数据上迭代重训练；交叉验证（MD/FEP）；引入不确定性感知的探索；新颖性激励机制。

6.5 可解释性 AI（XAI）：尚待开发的能力

论文指出，生成式化学中的可解释性仍是活跃研究领域。结构化 VAE 可暴露可控的性质轴，基于片段和反事实的方法提供结构层面的推理依据。但 GENTRL、MolGPT、REINVENT 等广泛使用的系统，即便在性质导向的奖励下，对为何提出某个特定结构也几乎没有可解释性。

七、核心论点：人类反馈强化学习（RLHF）是必经之路

7.1 从 ChatGPT 到药物设计的类比

论文最核心的战略洞见，来自一个跨领域类比：

RLHF 之于 ChatGPT，正如 RLHF 之于 GADD。

ChatGPT 的基础能力来自大规模预训练，但使其真正"对齐"人类期望、变得实用的关键，是 RLHF——通过人类评分者的反馈训练奖励模型，再用该奖励模型约束语言模型的输出。

类似地，在药物发现中，无论 MPO 设计得多精巧，都无法完全捕捉有经验的药物化学家的综合判断。这种判断包含：

• • 对反应活性基团（reactive metabolites）的直觉预警
• • 对合成瓶颈的预判
• • 对知识产权风险的考量
• • 对项目战略拟合度的判断
• • 难以量化的"je ne sais quoi"——那种资深药物猎手对"这个分子有潜力"的直觉

7.2 RLHF 实践闭环：一个最小化可行方案

作者给出了一个具体的、可操作的 RLHF 最小实践方案：

第一步：收集偏好
  每周组织化学家小组（包括合成化学家、计算化学家、DMPK 科学家）
  对分子对（A vs B）进行两两比较评分
  评分维度：可合成性、ADMET 风险、新颖性/IP 价值、临床可行性

第二步：拟合奖励模型
  训练轻量级图神经网络（GNN）作为偏好预测模型
  进行校准以确保奖励模型的可靠性

第三步：策略更新
  使用 KL 散度正则化更新生成模型策略
  始终维持硬约束门控（结构警报、适用域门控、性质窗口）

第四步：护栏机制
  红队解码（red-team decoys）——主动测试失效模式
  正交交叉验证（分子动力学 spot-check、结合姿势合理性验证）
  检测链延长黑客等典型奖励黑客模式

第五步：追踪与汇报
  监控关键指标：设计→制备转化率、制备→测定转化率
  人类偏好预测准确率、配体效率提升幅度

7.3 分阶段的 MPO 策略

论文将 GenAI 在不同药物发现阶段的应用策略梳理如下：

八、延伸评述：论文未明言的深层洞见

8.1 "苦涩的教训"与 GenAI 的长期命运

作者引用了 Richard Sutton 的"苦涩的教训"（The Bitter Lesson）：在 AI 历史中，依赖大规模数据和计算力扩展的通用算法，长期来看总是胜过精心设计的领域专用系统。

这意味着：随着计算能力增长、高质量数据积累，GenAI 在药物发现中的表现将持续提升，即便当前的特定方法充满缺陷。量子计算可能在远期为化学空间探索提供全新可能，但在可预见的未来实用价值仍属推测。

8.2 "美丽"是动态的、情境依赖的

论文特别强调了一个容易被忽视的事实：对美丽分子的定义随着项目进展不断演化。竞争对手数据的出现、新临床靶点的发现、早期安全信号的浮现……这些都会根本性地改变"好分子"的定义。这正是为什么 MPO 函数必须动态更新，也是为什么静态的自动化流程无法完全替代人类判断。

8.3 数据质量是被低估的根本制约

全文贯穿着一个核心判断：当前 GADD 领域最大的瓶颈，不是架构设计，不是计算资源，而是高质量、多样化、标准化的实验数据。

• • ADMET 模型的脆弱性，根源在于训练数据
• • 靶点结合预测的不准确，根源在于训练数据
• • 奖励黑客的根源之一，是模型对训练域外分子的系统性误判

在这个意义上，构建高质量、可共享的药物发现数据集，其战略价值可能不亚于任何模型架构创新。

九、结论：生成式药物设计的现实路线图

论文的核心结论可以总结为五条实践原则：

① 评分函数必须与项目目标动态对齐 不存在"万能"的 MPO 函数。随着项目数据的积累和优先级的转移，奖励函数必须持续修订。

② 实验反馈必须紧密整合到模型更新中 主动学习框架是最大化 GenAI 价值的关键机制。每一轮实验数据都应改善下一轮的设计方向。

③ 人类专家监督必须贯穿设计周期 奖励黑客、ADMET 模型脆弱性和领域偏移将持续存在，除非通过主动学习、不确定性量化和人类反馈加以明确应对。

④ 构建可信的不确定性估计 适用域检查（Applicability Domain，AD）和共形预测（Conformal Prediction）等方法，可以让 MPO 框架在预测不可靠时自动降低该指标的权重，避免基于错误预测的过度优化。

⑤ "美"是主观的，需要人类来定义 最终，定义什么是美丽分子的，是有经验的药物猎手和临床成功——不是算法。GenAI 是强大的探索工具，但它探索的方向，需要人类来导航。