4. 回归模型验证指标
在ADMET建模中，回归任务（如预测pIC50、logP、清除率、血浆蛋白结合率等连续值）的验证不能只看一个数字。R²高不代表预测误差小，RMSE小也不代表排序能力好，而Spearman相关强更不意味着预测值与实测值在数值上一致。本节围绕五个核心指标展开：R²、RMSE、MAE、Spearman相关系数、一致性相关系数（CCC），并说明如何为它们估计置信区间，从而判断模型性能是否稳定、是否具有实际适用价值。
一、五个指标各自回答什么问题
设测试集有 n 个化合物，第 i 个化合物的实验值为 yi，模型预测值为 ŷi，均值分别为 ȳ 和 ŷ̄。
- R²（决定系数）：衡量模型解释了多少实验值方差。R² = 1 − SSres/SStot，其中 SSres=Σ(yi−ŷi)²，SStot=Σ(yi−ȳ)²。R²越接近1，说明模型对数据趋势的拟合越好。但R²对异常值敏感，且会随测试集数据范围变化而虚高。
- RMSE（均方根误差）：RMSE = √(Σ(yi−ŷi)²/n)。它与原始值同量纲，对大误差惩罚更重，适合关注“最坏情况”的ADMET场景，如毒性预测中不能容忍大偏差。
- MAE（平均绝对误差）：MAE = Σ|yi−ŷi|/n。它直接反映平均偏差幅度，对异常值不如RMSE敏感，适合报告“典型误差有多大”。
- Spearman相关系数 ρ：对 yi 与 ŷi 的秩次计算Pearson相关。它只关心排序是否一致，不关心数值是否接近。在虚拟筛选中，只要模型能把高活性化合物排在前面，ρ 就比R²更有意义。
- 一致性相关系数 CCC：CCC = 2·cov(y,ŷ) / [var(y)+var(ŷ)+(ȳ−ŷ̄)²]。它同时惩罚“相关性差”和“系统偏差”，是评价预测值与实测值是否真正一致的最严格指标。CCC接近1，说明预测不仅相关，而且数值上可替代实测。
二、指标之间的互补关系
这五个指标并非互相替代，而是从不同角度刻画模型。R²和Spearman都反映“趋势”，但R²对线性关系敏感，Spearman对单调关系敏感；RMSE和MAE反映“误差大小”，但RMSE放大大误差，MAE更稳健；CCC则同时包含精度和准确度。一个常见陷阱是：模型R²=0.85、Spearman=0.88，看起来很好，但CCC只有0.55，说明预测值整体偏高或偏低，存在系统偏差，直接用于定量决策会出问题。
三、置信区间：判断指标是否“靠得住”
测试集通常只有几十到几百个化合物，单次计算得到的RMSE或R²存在抽样波动。只报告点估计，无法判断模型在新数据上是否稳定。置信区间（CI）给出指标的不确定性范围，是模型验证报告的必要组成部分。
对于回归指标，最通用的CI估计方法是Bootstrap重采样。具体做法：对测试集的 (yi, ŷi) 对进行有放回抽样，生成B个（通常B=1000或2000）大小相同的Bootstrap样本；对每个样本重新计算目标指标，得到B个指标值；取这些值的2.5%和97.5%分位数，即得到95%置信区间。该方法不依赖正态假设，适用于R²、RMSE、MAE、Spearman ρ和CCC。
若测试集样本量较大（n>100）且指标近似正态分布，也可用解析法：RMSE的方差近似为 Var(RMSE) ≈ RMSE²/(2n)，据此构造CI；R²的CI可通过Fisher z变换近似。但Bootstrap更稳健，推荐优先使用。
四、教学示例：五个指标的计算与解读
假设某ADMET回归模型在测试集（n=50）上的预测结果如下（示例数据，非实测）：
| 指标 | 点估计 | 95% CI（Bootstrap） | 解读 |
|---|---|---|---|
| R² | 0.78 | [0.71, 0.84] | 解释约78%方差，趋势拟合较好 |
| RMSE | 0.62 | [0.54, 0.71] | 典型误差约0.62 log单位 |
| MAE | 0.45 | [0.39, 0.52] | 平均绝对偏差0.45，较稳健 |
| Spearman ρ | 0.82 | [0.76, 0.87] | 排序一致性良好，适合筛选 |
| CCC | 0.68 | [0.59, 0.76] | 一致性中等，存在系统偏差 |
从表中可见，R²和Spearman ρ表现较好，但CCC仅为0.68，且CI下限0.59，说明预测值与实测值之间存在不可忽略的系统偏差。进一步检查发现，模型在高活性区间（pIC50>7）普遍低估约0.5 log单位。此时应优先校正系统偏差（如对预测值做线性校准），而不是继续调参追求R²。
五、指标选择与报告规范
不同ADMET终点对指标侧重点不同：
- 定量预测（如清除率、logD）：优先报告RMSE、MAE和CCC，关注数值误差和一致性。
- 排序筛选（如虚拟筛选、优先级排序）：优先报告Spearman ρ和R²，关注趋势和排序能力。
- 安全性预测（如hERG毒性）：RMSE和CCC并重，因为大误差可能导致错误决策。
报告时需同时给出测试集大小n、指标点估计和95% CI。若CI过宽（如RMSE的CI宽度超过点估计的30%），说明测试集太小或数据异质性高，模型泛化能力存疑，应扩大验证集或采用交叉验证。
综上，R²、RMSE、MAE、Spearman ρ和CCC构成回归模型验证的完整指标体系。R²和Spearman ρ回答“趋势对不对”，RMSE和MAE回答“误差大不大”，CCC回答“数值能不能替代实测”。置信区间则回答“这些结论稳不稳”。在ADMET模型验证中，五者缺一不可，且必须附带不确定性估计，才能支撑后续的适用域评估和决策应用。