客户案例 · 药物化学 · 独立复核
候选分子选择性计算：人工复核作用方向如何剔除假阳性、让两种方法趋于一致
在把候选药物清单交付采购和实验室实验之前，对其进行独立复核。作用方向的自动标注给出 1401 个“拮抗剂”——严格的人工核对只留下 19 个可靠的。客户、靶点与市场均受 NDA 约束；我们展示任务、方法与结果。
案例速览
客户围绕一个治疗靶点——一种 GPCR 类受体——筛选拮抗剂（“关闭剂”）分子。按实验类型进行的自动分类给出了 1401 个“已确认的拮抗剂”，但对照原始记录做严格人工核对后发现，分类器存在噪声：它把作用方向相反的分子——激动剂——也归入了拮抗剂。清洗之后，只剩下 19 个化学结构各异、可靠确认的拮抗剂。只有在这份干净的清单上，两种独立的亲和力计算方法才在本项目中首次达成一致（r = +0.44）——而在被重定位的药物上，二者相互矛盾（r = −0.38）。
| 数值 | 含义 |
|---|---|
| 6286 | 文献中该靶点的活性数据 |
| 1401 | 自动标注为“拮抗剂” |
| 19 | 严格复核后确认 |
| +0.44 | 两种方法的一致度（此前为 −0.38） |
| ~20 pM | 领先分子的亲和力（pChEMBL 10.7） |
| 3 / 19 | 可能穿过血脑屏障 |
初始情况
客户在寻找能够“关闭”治疗靶点——一种 GPCR 类受体——的候选分子。第一轮从已获批药物入手（重定位策略）：这些药物对目标受体的活性是附带的、亲和力偏弱，而两种不同的口袋结合计算方法相互矛盾（r = −0.38）。这确实给出了一份重定位清单，但依赖它风险很大。仍有一个问题：在可获取的化学库中，是否存在专门针对该靶点设计的化合物——既强效，更重要的是在作用方向上具选择性——以及能否信任快速的“拮抗剂 / 激动剂”自动标注。
分析揭示了什么
我们从文献中汇集了针对该靶点的全部 6286 条实测活性数据及其实验描述，并按试验类型对作用方向进行分类：抑制刺激 = 拮抗剂，激活 = 激动剂。自动流程给出 1401 个“已确认的拮抗剂”。经强度与类药性过滤（pChEMBL ≥ 7、通过 Brenk 过滤、QED ≥ 0.4）后剩下 391 个分子；将它们归为 47 个化学家族（Butina 聚类，Tanimoto 0.4），以便按每个化学型的代表分子推进，而非对整份清单盲目处理。
- 快速的作用方向自动标注并不可靠。对代表分子对照原始记录做严格人工核对时发现，分类器把功能作用相反的分子——已知的激动剂——归入了“关闭剂”。这不是无关紧要的小错：激动剂与拮抗剂的效应相反。人工清洗之后，可靠确认的拮抗剂只剩 19 个化学结构各异的分子，而非 1401 个。
- 在干净的清单上，两种方法首次达成一致。用第二种方法（神经网络结合计算）对亲和力做独立验证，对这些专门设计的拮抗剂给出了与实测亲和力的正相关 r = +0.44——相比之下，来自已获批药物的“附带”结合分子为 r = −0.38。两个独立信号在整个项目中首次相互印证——当分子确实是针对这个口袋设计时，本就应当如此。
- 领先分子经两种方法独立确认。最强候选：实测亲和力 ~20 pM（pChEMBL 10.7），独立计算值为 10.6，结合概率 0.83（全集最高），已确认的拮抗剂，代表一个同源分子家族。
- 按作用部位的选择性。依据进入中枢神经系统（CNS）的理化规则（分子量、极性表面积、氢键供体），19 个中有 3 个可能穿过血脑屏障，其余 16 个停留在外周。这使得可以在已有分子上把它们拆分为两条独立方案，无需合成。
结果
客户拿到的不是一份含 1401 个自动标注分子的原始清单，而是一套经清洗、方向可靠确认的 19 个拮抗剂——已拆分为两条可供验证的线路，附带优先级和实验室方案。
- 中枢线路——具有进入中枢神经系统潜力的分子；外周线路——不进入大脑反而是优点而非障碍的分子，亲和力最高可达 pChEMBL 10.7。
- 供验证的实验室方案：用放射配体结合确认亲和力、拮抗功能试验、通透性评估、hERG 及 GPCR 选择性面板。
- 从后续筛选中剔除了作用相反的分子——那些会被快速自动分析当作“关闭剂”继续放行的分子。
核心结论
快速的作用方向自动标注把作用相反的分子——激动剂而非拮抗剂——归入了“关闭剂”。经严格人工核对后，1401 个“拮抗剂”只剩 19 个可靠的，也只有在这些分子上，两种独立计算方法才首次达成一致（r = +0.44）。这正是计算可信度的边界——在资金投入采购和实验室实验之前就已锁定。
为何这是价值，而非批评
如果客户信任了快速的自动标注，进入采购和实验室实验的将是功能效应相反的化合物——激动剂而非拮抗剂。这不是误差的细微差别，而是符号被搞反了：试剂、数月的实验和结论都会建立在做着与设想相反之事的分子之上。这种错误在进入临床前阶段时的代价，与一次计算复核的成本不可同日而语。另一重价值是用数字锁定的诚实边界：只有在真正针对口袋设计的配体上，两种方法才一致（r = +0.44），而在被重定位的药物上二者分歧（r = −0.38）。这说明了在何处可以信任计算、在何处需要自有实验——都在资金花出去之前。
说明与数据状态
我们区分哪些是实测、哪些是计算估计、哪些取自文献。
- 实测亲和力（pChEMBL，包括领先分子的 ~20 pM）取自已发表的实验，而非在客户实验台上获得。
- 作用方向（拮抗）来自文献实验；在客户体系上进行自有功能试验是必需的。
- 第二种亲和力计算方法、相关系数（r = +0.44 与 −0.38）以及结合概率 0.83 均为计算估计。
- 血脑屏障通透性依据理化规则（分子量 / 极性表面积 / 氢键供体）估计，而非实测——需在 PAMPA/Caco-2 中确认。
- 这些化合物为研究级（供研究采购，非药店药品），未经过临床，安全性特征未知。
- 治疗靶点、适应症、具体组织、客户与市场均不披露。细节将在 NDA 下的诊断会谈中提供。
案例已脱敏。治疗靶点、适应症、客户与市场均受 NDA 约束。实测亲和力（pChEMBL，~20 pM）取自已发表的实验；第二种计算方法、相关系数（r = +0.44 与 −0.38）和结合概率 0.83 为计算估计；血脑屏障通透性依据规则估计，未实测。化合物为研究级，未经过临床。数字取自真实项目的报告。