2. 药物靶点预测的生物学与药理学基础

药物靶点预测不是单纯的机器学习拟合问题，它的输入特征、标签定义和评价方式都深深扎根于生物学与药理学。理解靶点类型、可成药性、药物-靶点相互作用机制，以及预测任务的分类与评价指标，是后续多模态建模的前提。本节从这四个层面展开，并给出可直接用于建模决策的判断依据。

一、靶点类型：从蛋白家族到可干预位点

在药理学语境中，靶点通常指药物分子直接结合并由此产生药理效应的生物大分子，绝大多数是蛋白质，少数为核酸或糖类。按功能与结构，常见靶点可分为以下几类：

• 酶：如激酶、蛋白酶、磷酸二酯酶。药物多为抑制剂或激活剂，结合位点常为ATP口袋、催化中心或变构位点。激酶家族因ATP口袋高度保守，选择性是核心难题。
• G蛋白偶联受体（GPCR）：最大的药物靶点家族，约三分之一已上市药物作用于GPCR。结合位点包括正构位点（内源性配体口袋）和变构位点，后者常带来更好的亚型选择性。
• 离子通道：如电压门控钠通道、钾通道。药物通过阻断或调节通道开闭状态起效，状态依赖性（如只结合失活态）是重要药理学特征。
• 核受体：如雌激素受体、糖皮质激素受体。配体结合后调控基因转录，起效慢但效应持久。
• 转运体与结构蛋白：如SERT、微管蛋白。前者影响神经递质再摄取，后者是抗肿瘤药物的重要靶点。

对预测任务而言，靶点类型决定了可用特征：序列、结构、口袋、表达谱、通路归属、已知配体等。不同家族的保守性和数据丰度差异极大，模型需要能区分“同家族泛化”和“跨家族泛化”。

二、可成药性：不是所有靶点都能成药

可成药性（druggability）描述一个靶点被小分子或生物药有效调控的可能性。它既包含结合口袋的几何与理化性质，也包含生物学证据和安全性约束。工程上常从以下维度评估：

• 口袋可检测性：是否存在足够深、足够疏水、体积适中的空腔。常用fpocket、SiteMap等工具打分，口袋体积、疏水分数、闭合程度是典型参数。
• 配体证据：是否已有小分子配体、共晶结构或已知活性化合物。有配体证据的靶点，预测置信度显著更高。
• 遗传学与通路证据：敲除、敲低或临床变异是否支持该靶点与疾病因果相关。人类遗传学证据（如GWAS、孟德尔随机化）是提高成功率的关键。
• 安全性与选择性：靶点是否在关键组织广泛表达，是否存在难以规避的脱靶风险。

三、药物-靶点相互作用机制

药物与靶点的结合由非共价作用主导，包括氢键、疏水作用、静电作用、π-π堆积和范德华力，少数为共价结合。结合强度用解离常数Kd、抑制常数Ki或半数抑制浓度IC50表示，数值越小亲和力越强。热力学上，结合自由能ΔG = ΔH − TΔS，焓驱动与熵驱动对应不同的优化策略。

从预测角度看，相互作用机制决定了特征设计方向：

• 序列层面：结合口袋附近的残基保守性、理化性质、进化耦合信号。
• 结构层面：口袋形状、氢键供受体分布、可旋转键、埋藏面积。
• 动力学层面：结合路径、驻留时间、构象变化。驻留时间有时比亲和力更能预测体内药效。
• 网络层面：靶点在蛋白互作网络中的位置、通路串扰，影响下游效应。

多模态预测的核心价值，正是把序列、结构、表达、网络等异质信息融合起来，弥补单一模态的盲区。

四、预测任务分类与评价指标

药物靶点预测任务可按输出形式分为几类，每类对应不同的标签构造和评价方式：

指标选择必须与任务和类别分布匹配。例如在极度不平衡的靶点分类中，AUC可能虚高，AUPR更能反映正样本识别能力；在亲和力回归中，若数据跨越多个数量级，应先做log转换再计算RMSE，否则高亲和力样本会主导误差。

此外，数据划分方式直接影响评价可信度。随机划分容易因同源泄漏导致指标虚高，推荐采用：

• 按靶点划分：测试靶点与训练靶点不重叠，评估跨靶点泛化。
• 按药物骨架划分：测试药物与训练药物骨架不同，评估新化学空间泛化。
• 时间划分：按文献或专利公开时间切分，模拟真实前瞻预测。

五、从基础到建模的衔接

把上述基础落到工程上，可以形成一条清晰的判断链：先确认靶点类型和口袋可成药性，再根据相互作用机制选择特征模态，最后按任务类型确定标签和评价指标。下面这张图概括了从生物学对象到预测输出的关键映射关系，可作为后续章节设计模型时的对照参考。