第1章 ADMET预测简介
各位好，咱们开门见山。今天开始聊ADMET预测，这是整个课程的地基。我个人觉得，搞懂ADMET，你才算真正入了药物研发的门。为什么这么说？你往下看。
1.1 ADMET概念解析
ADMET，这五个字母代表五个单词：
- A - Absorption（吸收）
- D - Distribution（分布）
- M - Metabolism（代谢）
- E - Excretion（排泄）
- T - Toxicity（毒性）
说白了，就是药物进入人体后，从入口到出口的全过程。你想想看，一个化合物在体外活性再好，进了肚子吸收不了，或者被肝脏一把火代谢掉，那就等于零。我在项目中遇到过太多次这种情况，前期筛了几百个化合物，最后就一两个能走到动物实验。
核心观点：ADMET不是锦上添花，而是生死线。一个化合物如果ADMET不过关，再好的药效数据都是白搭。
1.2 药物研发中的重要性
说到重要性，咱们用数据说话。我记得有一份统计报告，新药研发失败的原因里，大约50%是因为ADMET问题。这还只是临床前阶段。到了临床阶段，因安全性问题撤回的药物也不在少数。
为什么会这样？说白了，传统的研发流程是先看活性，再测ADMET。这个顺序本身就有问题。你花了大半年优化的化合物，最后发现肝毒性高或者代谢太快，前功尽弃。嗯，这里要注意，现在业界已经普遍认可了“早期ADMET介入”的理念。
| 研发阶段 | 主要ADMET风险 | 影响 |
|---|---|---|
| 先导化合物发现 | 吸收差、代谢快 | 生物利用度低 |
| 临床前 | 肝毒性、肾毒性 | 安全性评价不通过 |
| 临床I期 | 分布异常、靶外毒性 | 剂量调整或终止 |
看到没有，每个阶段都有坑。我建议你做项目时，直接从源头抓起，先把ADMET特征考虑进去。避坑指南：我曾经因为没做透ADMET筛选，一个很好的先导化合物在动物实验上出了问题，最后只能回炉重造。那次教训太深刻了。
1.3 预测任务概述
好了，现在问题来了：怎么才能不做实验就把ADMET算出来？这就是预测的任务。
咱们现阶段做的ADMET预测，本质上是构建一个数学映射：
Input: 化合物化学结构
Output: ADMET属性值（分类或回归）
典型任务包括：
- 吸收预测：Caco-2渗透性、人类口服生物利用度
- 分布预测：血浆蛋白结合率、组织分布体积
- 代谢预测：CYP酶抑制、代谢稳定性
- 排泄预测：肾清除率、半衰期
- 毒性预测：hERG阻断、肝毒性、致癌性你可能会问，预测这东西准吗？说实话，早期的模型确实不够用，但这两年随着数据量的增加和算法的进步，预测精度已经可以了。我们内部管线已经大量采用模型筛选，只有少数关键化合物才做实验验证。
个人经验：别迷信任何一个单一模型。我习惯用多个模型做共识预测，也就是取几个模型结果的平均或者加权。这样鲁棒性会好很多。
下面这张图，总结了ADMET预测的完整流程和核心产出。你把它当作课程的导航图就好。
1.4 整体知识框架
这张图你看明白了吗？化合物进来，经过吸收、分布、代谢、排泄、毒性这五个环节的预测，最终输出一个可接受的特征谱。我们这门课的核心，就是帮你在每个环节找到哪些特征是真正起作用的。
注意：别把ADMET五个属性割裂开来。实际药物研发中，它们之间是相互影响的。比如代谢快的化合物往往半衰期短，排泄自然就快。这就是为什么我们需要做整体预测而非单点预测。
1.5 课程展望
好了，第一章的内容就这些。你有了基础概念，也知道了为什么要做这个。接下来的章节，我会手把手带你做特征重要性分析的实际操作。从数据预处理到模型构建，到特征筛选，再到结果解释，每一步我都会给你讲透。