1. 药物分子结构约束生成工程导论

药物分子结构约束生成工程，研究的是如何把“一个分子必须满足什么条件”转化为可计算、可采样、可验证的生成过程。它既不是单纯的分子生成模型训练，也不是单纯的化学信息学规则整理，而是把药效团、骨架、取代基、立体化学、理化性质、专利空间与合成可行性等约束，组织成一条从需求到候选分子的工程链路。理解这一章的关键，是先分清“约束”在药物设计中的真实含义：约束不是限制创意的枷锁，而是把搜索空间从天文数字压缩到可合成、可测试、可申报范围的导航系统。

定义：从“能生成”到“按条件生成”

如果把分子生成看作在一个巨大的离散空间中采样，那么无约束生成只回答“像不像药物分子”，而约束生成回答的是“在满足给定条件的前提下，哪些分子值得被合成和测试”。一个典型的约束可以写成如下形式：

目标：生成一批候选分子
硬约束：
  - 分子量 300–500 Da
  - logP 1–4
  - 氢键供体 ≤ 5，氢键受体 ≤ 10
  - 含苯并咪唑或吲哚骨架
  - 不含 PAINS 警示结构
软约束：
  - 与靶点口袋形成关键氢键
  - 合成路线 ≤ 5 步
  - 与已知专利骨架的 Tanimoto 相似度 < 0.6

硬约束是“不满足就淘汰”，软约束是“越满足越好”。工程化的核心，是把这些条件分别映射到表示层、模型层和筛选层：表示层决定分子如何被编码，模型层决定约束如何进入生成过程，筛选层决定候选如何被排序和验证。

目标：三个可交付结果

一个完整的约束生成任务，通常要交付三类结果。第一类是候选分子集合，每个分子附带结构式、SMILES、预测性质和约束满足情况。第二类是约束满足报告，说明哪些硬约束全部通过、哪些软约束得分较高、哪些条件被放宽。第三类是可复现的生成配置，包括随机种子、模型版本、约束权重、筛选阈值和失败样本。缺少第三类，结果就无法被复核，工程上等于没有完成。

以示例参数说明：假设目标为生成 1000 个候选，经过硬约束过滤后保留 180 个，再按对接分数和合成可行性排序，取前 20 个进入人工评审。这个“1000 → 180 → 20”的漏斗，就是约束生成工程最直观的产出形态。这里的数字是教学示例，不是实测结果，但它揭示了工程重点：约束越明确，漏斗越可控。

核心挑战：约束之间的冲突与耦合

药物分子约束很少彼此独立。提高亲脂性可能改善膜渗透，却可能降低溶解度；增加氢键供体可能增强靶点结合，却可能损害口服吸收；引入刚性骨架可能提高选择性，却可能让合成路线变长。约束生成工程的第一大挑战，就是处理这种多目标冲突。工程上通常不追求“全部最优”，而是寻找帕累托前沿：在分子量、logP、对接分数、合成步数等维度上，给出一组互不支配的候选。

第二大挑战是约束的表达与可计算化。药效团特征、专利规避、代谢稳定性等条件，往往以专家语言描述，必须转成图结构匹配、子结构查询、性质预测或打分函数。第三大挑战是生成空间与验证空间不一致：模型可能生成化学上合法但合成上不可行的分子，也可能生成对接分数高但选择性差的分子。因此，约束生成必须与逆合成分析、对接、ADMET 预测和专利检索形成闭环。

典型应用场景

场景一：先导化合物优化。已知一个活性骨架，需要在保持核心药效团的前提下，替换取代基以改善溶解度或代谢稳定性。此时约束包括“保留母核”“R 基团可替换位点”“logP 下降 0.5–1.5”。生成器输出一批类似物，再按 ADMET 和合成难度排序。

场景二：骨架跃迁。当先导化合物存在专利或代谢问题时，需要跳出原骨架，但保留三维药效团特征。约束从二维子结构转为三维 pharmacophore 匹配，生成空间更大，验证也更依赖对接和构象分析。

场景三：片段生长与连接。从晶体结构中的片段出发，在口袋内生长或连接片段。约束包括“不与其他残基碰撞”“形成指定氢键”“分子量不超过 500 Da”。这类任务对三维几何约束非常敏感，通常需要结合分子对接和力场优化。

场景四：多靶点分子设计。需要同时作用于两个靶点，约束变成“对靶点 A 结合能 ≤ −8 kcal/mol，对靶点 B ≤ −7 kcal/mol，且选择性对靶点 C > 10 倍”。此时多目标优化和帕累托排序成为核心。

一个最小可执行流程

下面给出一个教学用的最小流程，帮助理解各环节如何衔接。假设目标是生成含吲哚骨架、MW 在 300–450 Da 的候选分子：

1. 定义约束：硬约束为吲哚子结构、MW 300–450、logP 1–4；软约束为对接分数、合成步数 ≤ 4。
2. 选择表示：使用 SMILES 或分子图，保留可解释的子结构匹配能力。
3. 生成候选：用条件生成模型或片段组合，设置随机种子 42，生成 2000 个分子。
4. 硬过滤：用 RDKit 计算 MW、logP、子结构匹配，保留约 300 个。
5. 软打分：对接打分 + 逆合成步数估计，按加权得分排序。
6. 输出：取前 30 个，附 SMILES、性质表、约束满足标记和失败原因。

这个流程的关键不是步骤数量，而是每一步都有明确的输入、判断依据和可追溯记录。约束生成工程与普通生成任务最大的区别，就在于“每个候选分子都能回答为什么被保留、为什么被淘汰”。

常见误区

第一个误区是把约束当成后处理。只在生成之后做过滤，会导致大量计算浪费在无效分子上，也会让模型学不到约束边界。第二个误区是约束过紧。硬约束太多，候选池会迅速枯竭，甚至无解。第三个误区是忽略合成可行性。一个对接分数很高但无法合成的分子，在工程上没有价值。第四个误区是不记录失败样本。失败样本往往揭示了约束冲突和模型偏差，是下一轮迭代的重要输入。

本章小结