📚 课程目录第1章 SHAP与ADMET概述

一、SHAP与ADMET概述：从“黑箱”到“可解释”的第一步

大家好，欢迎来到这门课程。今天咱们先聊个基础问题：为什么要把SHAP和ADMET放在一起讲？

我之前在药企做AI模型落地时，遇到过一件挺尴尬的事——模型预测准确率高达95%，但药化同事死活不信。为什么？因为模型只说“这个分子毒性高”，但说不出“为什么高”。说白了，这就是典型的黑箱困境。你想想看，在药物研发这种“一步错，全盘输”的领域，谁敢信一个说不清理由的模型？

所以，这门课的核心目标就一个：用SHAP这把“手术刀”，把ADMET预测模型的决策过程剖开给你看。

1.1 SHAP：模型解释的“通用语言”

SHAP全称是SHapley Additive exPlanations。名字挺长，但思想很简单——它借鉴了博弈论里的夏普利值(Shapley Value)，用来衡量每个特征对最终预测结果的“贡献度”。

它的核心优势有两个：

一致性：特征贡献的排序不会因为模型本身的变化而翻车。我用过LIME，同样一个样本，跑两次结果可能不一样，但SHAP不会。
局部与全局兼顾：既能告诉你“这个分子为什么毒性高”（局部解释），也能告诉你“整个数据集里哪个特征最重要”（全局解释）。

我个人习惯：接到一个新项目，第一件事不是调模型，而是先用SHAP跑一遍基线结果。看一眼特征重要性，心里就有底了——哪些特征可能有问题，哪些特征被忽略了，一目了然。

在实际项目中，SHAP会输出一个SHAP值矩阵，形状跟你输入的特征矩阵一样。每一行代表一个样本，每一列代表一个特征，数值的正负表示该特征对预测结果是“推高”还是“拉低”。

# SHAP输出的基本结构示例
# shape: (n_samples, n_features)
shap_values = explainer.shap_values(X_test)

# 每个样本的预测值 = 基准值 + 所有特征的SHAP值之和
prediction = shap_values[0].sum() + base_value

举个简单的例子：某个分子的logP（脂水分配系数）特征SHAP值为+0.3，意味着这个特征把预测的毒性风险拉高了0.3个单位。你想想看，这种量化信息，比单纯说“logP很重要”有用多了。

1.2 ADMET：药物研发的“生死线”

ADMET是吸收(Absorption)、分布(Distribution)、代谢(Metabolism)、排泄(Excretion)、毒性(Toxicity)五个维度的统称。做药物研发的朋友都知道，候选化合物的ADMET性质，是最终能不能成药的关键。

我见过不少项目，药效数据漂亮得不得了，结果一测ADMET——肝脏毒性超标、半衰期太短、生物利用度只有5%。嗯，只能推倒重来。那叫一个心疼。

ADMET预测的几个常见痛点：

数据不平衡：毒性样本往往很少，模型容易“无视”毒性。
特征维度高：分子描述符动辄上千个，鬼知道哪些有用。
模型可解释性差：药化同事拿着预测报告问“为什么这个分子会高转运”，你只能支支吾吾说“模型算出来的”——这种场景，太尴尬了。

而SHAP，正是解决最后一个痛点的利器。

1.3 课程目标：成为“懂药又懂AI”的人

这门课共30章，我们不聊虚的。每章解决一个具体问题，每章都有代码和可视化落地。

我的建议：不要只看不练。SHAP的可视化没你想象中那么难，但动手跑一遍和只看截图，完全是两回事。

第1章作为开篇，我们把这门课的核心知识体系先梳理清楚。下面这张图，就是整门课的骨架。

从这张图能看明白：整门课的逻辑是数据→模型→SHAP→ADMET应用。我们不只讲SHAP怎么算，更重要的是：SHAP的结论怎么帮药化团队做决策？

1.4 这门课跟其他SHAP教程有什么不同？

老实说，市面上讲SHAP的教程不少，但大多是用鸢尾花数据集、房价数据集举例子。嗯，那些例子对入门可以，但跟你实际工作中的ADMET预测问题——差距太大了。

对比维度	通用SHAP教程	本课程
数据来源	UCI、Kaggle通用数据集	分子描述符、分子图、指纹
预测任务	分类、回归通用任务	ADMET各属性二分类/回归
模型类型	XGBoost、LightGBM等树模型	同上 + GNN + 深度学习模型
SHAP图解读	通用特征重要性	结合ADMET领域知识解读
最终交付物	一张图/一个数字	可落地药物设计建议

你看这个对比就明白了——我不是来教你怎么调包的，我是来教你怎么解决问题的。

1.5 你准备好学习了吗？

再说说我自己的经历。以前做ADMET预测，模型跑完就完事，报告里只写准确率、AUC、F1。直到有一次，我们一个候选化合物在体外实验全部通过，体内实验却因为代谢稳定性差直接毙了。事后复盘，模型其实已经“看穿”了这个问题——某个CYP代谢相关的描述符SHAP值特别高，但当时我们根本没去解读。

从那以后，我就养成了一个习惯：每次模型训练完，第一件事不是看指标，而是跑SHAP分析，看看模型到底“看中”了哪些特征，这些特征有没有药化上的合理性。

注意：SHAP不是万能钥匙。它很好，但它解释的是模型学到的规律，不是物理世界的因果规律。如果模型学歪了（比如训练数据有偏差），SHAP只会忠实地告诉你模型怎么歪的，而不是怎么修正。

总结一下本章重点

好，第1章的内容就这些。记住三个关键点：

SHAP是什么：一种基于博弈论的特征贡献度计算方式，核心优势是一致性和可解释性。
ADMET为什么重要：药物研发中，ADMET性质决定了化合物能不能真正成为药物。
课程目标：把SHAP这把刀磨快，真正用到ADMET预测的实战场景中去，而不是停留在理论层面。