1. 课程导入与问题定义

药物发现从来不是“找到一个能和靶点结合的分子”这么简单。一个真正能进入临床的候选药物，必须在多个彼此冲突的指标上同时达标：它要足够强效，又要对同源蛋白有足够选择性；要能溶解、能吸收、能到达靶组织，又不能被代谢酶过快清除或产生毒性；最后，它还得能被化学家以合理成本、在合理时间内合成出来。多目标药物分子优化（Multi-Objective Molecular Optimization）研究的正是这件事——在巨大的化学空间中，同时推动多个性质指标向可接受区间移动，而不是只优化单一活性。

从工程视角看，这一过程可以类比为带约束的多目标优化问题。设分子为决策变量 x，我们关心的目标函数包括活性 f_pot(x)、选择性 f_sel(x)、ADMET 综合指标 f_admet(x) 与可合成性 f_syn(x)。这些目标往往不能同时最优：提高亲脂性常能增强膜渗透，却可能降低溶解度、增加代谢清除和脱靶风险；引入极性基团改善溶解度，又可能损害透膜性。因此优化的本质不是“求最大值”，而是在约束条件下寻找帕累托前沿上的可接受解。

四类典型目标与约束条件

活性通常以 IC₅₀、K_i 或 EC₅₀ 表示，工程上常设定“优于 100 nM”作为先导优化阶段的入门门槛。选择性则关注对同家族靶点或脱靶蛋白的倍数差，例如对目标激酶 IC₅₀ 为 20 nM、对同源激酶为 2000 nM，即 100 倍选择性。ADMET 涵盖吸收、分布、代谢、排泄与毒性，常用参数包括 Caco-2 渗透性、血浆蛋白结合率、CYP450 抑制、hERG 抑制、肝微粒体清除率等。可合成性则用合成可及性评分（SAscore）、逆合成步数、关键中间体可得性等衡量。

约束条件同样关键。硬约束包括分子量、logP、氢键供体/受体数、可旋转键数等类药性规则，以及专利空间、代谢软点、毒性警示结构等；软约束则是“尽量满足”的偏好，例如优先选择步骤更短、试剂更廉价的路线。工程实践中，硬约束用于过滤不可行解，软约束用于排序候选分子。

从先导化合物到候选药物的优化流程

典型的先导优化流程可以拆成四个阶段。第一阶段是先导确认与基线刻画：对初筛得到的 hit 进行复测，确认活性量级，同时测定溶解度、logD、肝微粒体稳定性等基础 ADMET 参数，建立“基线画像”。例如某激酶抑制剂 hit 的 IC₅₀ 为 850 nM、logD 为 3.8、溶解度仅 12 μM、肝微粒体半衰期 18 min，这就明确了后续需要提升活性、改善溶解度、提高代谢稳定性三个方向。

第二阶段是多参数同步优化。化学家通常围绕核心骨架做取代基扫描，每轮合成 10～30 个类似物，形成“设计—合成—测试—分析”的小闭环。这里的关键工程动作是建立结构—性质关系表：把每个类似物的取代基、活性、选择性、logD、溶解度、CYP 抑制、SAscore 并列，观察哪些修饰同时改善多个指标。例如在苯环对位引入吗啉基，可能使溶解度从 12 μM 提升到 180 μM、CYP3A4 抑制率从 78% 降到 22%，但活性可能下降 3 倍——这就是典型的权衡。

第三阶段是约束收紧与候选收敛。当活性进入 10～50 nM 区间后，重点转向选择性、hERG、CYP 和体内暴露量。此时常用“硬约束过滤 + 软约束打分”的方式：先剔除违反类药性规则或含毒性警示结构的分子，再按加权评分排序。一个可参考的示例权重为：活性 0.30、选择性 0.20、ADMET 0.30、可合成性 0.20，具体权重需根据项目阶段调整。

第四阶段是候选确认与实验验证。对排名前 3～5 的分子进行浓度—效应曲线、选择性 panel、hERG 膜片钳、肝微粒体与血浆稳定性、Caco-2 渗透性、小鼠 PK 等验证。只有同时满足活性、选择性、ADMET 和可合成性门槛的分子，才进入候选药物阶段。

为什么需要“工程化”而非“试错式”优化

传统药物化学常依赖经验与直觉，一轮轮合成试错，周期长、成本高。工程化的多目标优化强调三件事：一是显式定义目标与约束，让每个决策有依据；二是数据驱动，用结构—性质关系、QSAR 模型、机器学习预测辅助排序；三是可复现的决策流程，让不同研究者能按同一套标准评估分子。这样做的直接收益是减少无效合成、缩短优化周期、提高候选分子进入临床的成功率。

本课程后续将围绕这条主线展开：如何构建多目标评价函数、如何用算法生成和筛选分子、如何处理目标冲突、如何结合合成可行性做最终决策。本章的任务是建立整体框架——记住四个目标、三类约束、四个阶段，以及“帕累托前沿”这个核心概念，后续每一章都会回到这张图上。