什么是ADMET预测？批次效应又是什么？
大家好，我是老张，干药物计算这行快十年了。今天咱们聊一个挺要紧、但又容易被新人忽视的话题——批次效应。
先说说ADMET预测。这四个字母分别代表 吸收（Absorption）、分布（Distribution）b>、代谢（Metabolism）b>、排泄（Excretion） 和 毒性（Toxicity）。说白了，就是拿计算机模型去预测一个化合物进了人体后会怎么样：能不能被肠道吸收？会不会被肝脏分解？会不会产生毒性？
做药物研发的都知道，光看活性不够。我记得有一次，我们团队花了半年筛出一个候选分子，活性特别好，结果一测ADMET，肝毒性直接爆表。嗯，从那以后我们就把ADMET预测放到了筛选流程的最前面。
核心观点： ADMET预测不是锦上添花，而是决定化合物能否上临床的关键关卡。
一个典型的ADMET预测流程
我习惯把流程分成三步：
- 数据采集——从实验拿到分子结构和对应的ADMET实测值。
- 模型训练——用机器学习算法（RF、XGBoost、GNN之类的）拟合数据。
- 预测应用——对虚拟化合物输出预测结果，指导下一步合成。
听着挺顺的，对吧？但你想想看，如果第一步的数据本身就带“坑”，后面再厉害的高级算法也救不回来。这个坑，就是批次效应。
批次效应到底是什么？
举个例子，你同一个化合物，今天在A实验室用仪器X测一次清除率，下周在B实验室用仪器Y再测一次。理论上结果应该一样。但实际呢？
- 试剂换了批次，活性可能差3%–5%
- 培养箱温度漂了0.5℃，细胞状态不一样
- 操作员手抖了，加样误差忽大忽小
- 仪器校准间隔不同，基线会走
所有这些非生物因素导致的系统性偏差，就是 批次效应（Batch Effect）。它藏在你数据的“分组标签”里，但模型不会自动识别。
我的经验： 我曾经用公开数据集训练了一个Caco-2渗透性模型，验证集R²有0.82，结果一放到自家公司的化合物上，R²直接掉到0.3。后来一查发现，公开数据的实验条件和我们实验室的完全不一样——这就是批次效应在作妖。
批次效应对ADMET预测的影响路径
下面这张图把问题说清楚了。我把整个流程画成了结构图，你可以看到批次效应从数据采集就开始“污染”后续环节。
批次效应凭什么值得我们花30章专门讲？
你可能觉得，实验误差很正常啊，多测几次平均一下不就行了？问题在于：
- 你无法保证所有数据来自同一个实验条件——尤其是跨机构、跨年份的数据整合
- 深度学习模型对数据分布极其敏感，一点偏移就能让特征空间发生扭曲
- 制药行业监管严格，模型必须可解释、可溯源，批次效应不处理，审计根本过不了
踩过的坑： 我曾经在一个跨药企的ADMET建模项目中，使用了五家公司的数据。乍一看，样本量翻倍，很开心。结果训练出来的模型在自家数据上表现反而更差了。后来逐批次分析才发现，有两家公司的CYP抑制测定方法差一个孵育时间，这直接导致批次聚类在特征空间里明显分离。如果当时不学批次效应的校正方法，这个项目铁定交不了差。
这门课的大致内容
我们这门课会从最基础的批次效应识别讲起，然后深入到各种校正方法。下面是知识结构的一个快速预览：
| 模块 | 核心内容 | 实用价值 |
|---|---|---|
| 第一章（本章） | 概念与问题定义 | 建立批次效应的认知框架 |
| 第二–五章 | 批次效应的检测与可视化 | 拿到数据后如何判断有没有批次效应 |
| 第六–十二章 | 传统校正方法（ComBat、线性混合模型等） | 经典方法如何在ADMET数据上落地 |
| 第十三–二十章 | 基于深度学习的批次效应消除 | 利用AutoEncoder、对抗训练等新技术 |
| 第二十一–二十八章 | 迁移学习与域适应在ADMET中的应用 | 把跨批次数据转化为模型增益 |
| 第二十九–三十章 | 实战案例与坑点复盘 | 完整的处理流程和避坑指南 |
一句话总结这一章
ADMET预测是药物筛选的守门员，而批次效应是这个守门员看不到的盲区。接下来的29章，我会用我这些年踩过的坑、改过的错、验证过的方法，带你把这个盲区彻底照亮。
行动建议： 你现在就可以开始检查自己手头的数据集——按实验日期或实验室来源给数据分组，简单画个t-SNE图，说不定已经有批次聚类了。