第1节：课程导论与ADMET预测模型概述

各位工程师朋友，欢迎来到这门课。我先做个自我介绍——我在ADMET预测和SVA验证领域摸爬滚打了十多年，踩过不少坑，也总结了一些管用的招。这门课就是要把这些经验掰开揉碎了讲给你们听。

先说个背景。新药研发里，候选化合物因为ADMET性质不合格而失败的，占了将近一半。我见过一个项目，分子活性做得漂亮极了，结果一测肝微粒体代谢，半衰期不到5分钟——白高兴一场。所以，早做ADMET预测，能省下大笔时间和经费。

什么是ADMET？为什么我们关心它？

ADMET是五个词的缩写：吸收（Absorption）、分布（Distribution）、代谢（Metabolism）、排泄（Excretion）、毒性（Toxicity）。说白了，就是药物在体内从“进门”到“出门”的全过程。

性质	核心问题	常用指标
吸收	药物能不能进入血液循环？	Caco-2通透性、logP、溶解度
分布	药物到了哪些组织？	Vd、血浆蛋白结合率
代谢	药物怎么被分解？	肝微粒体清除率、CYP抑制
排泄	药物怎么离开身体？	肾清除率、半衰期
毒性	药物会不会引起不良反应？	hERG抑制、AMES试验、肝毒性

我习惯把ADMET预测看作“化学结构到生物学行为的翻译器”。你输入一个分子结构，模型输出一组数值和风险标签。但翻译器也会出错，这才有了咱们这门课要讲的故障排查。

预测模型的种类与工作流

目前主流的ADMET预测模型分三类：

基于规则（Rule-based）：比如Lipinski五规则、Veber规则。简单快速，但太粗糙。
基于物理（Physics-based）：比如分子动力学模拟、QSAR（定量构效关系）。精准，但计算成本高。
基于机器学习（ML-based）：随机森林、XGBoost、图神经网络。现在最火，但依赖数据质量。

举个例子，我用RDKit算一个分子的logP：

from rdkit import Chem
from rdkit.Chem import Descriptors

mol = Chem.MolFromSmiles('CC(C)C1=CC=C(C=C1)C(C)C')
logP = Descriptors.MolLogP(mol)
print(logP)  # 输出：4.1 左右

这段代码很直白，但你想想看——如果骨架解析失败，或者SMILES有手性歧义，结果就全错了。这就是我们后续要排查的方向。

核心原则：ADMET预测不是“算出来就完事”，而是“算出来以后要质疑它”。模型的输出永远只是假设，验证才是真相。

SVA验证——让预测可信的关键

SVA（Structural Validation & Assurance）是我自己团队定义的框架，核心思想是：

结构完整性检查：输入分子有没有错误？官能团是否被正确处理？
模型适用域评估：当前分子是否在模型训练数据的化学空间内？
输出合理性验证：预测值是否符合物理化学常识？
多模型交叉比对：不同模型结果是否一致？如果不一致，哪个更可信？

我在项目中遇到过这样一个案例：一个带硝基的化合物，某模型预测hERG抑制风险很低。但我查了训练集，发现硝基化合物只占0.3%——这种预测基本就是瞎猜。后来我们用SVA的适用域评估直接标红了这个样本，避免了一次错误的决策。

小技巧：建立你自己的“模型黑名单”。记录那些经常在某个化学系列上出错的模型，下次遇到类似结构直接打上“需谨慎”标签。

当前挑战与课程地图

做ADMET预测的人常遇到三个痛点：

数据噪声大——公开数据集中标签错误率可能超过10%
模型不透明——深度学习的“黑箱”让你很难解释预测原因
SVA被忽视——很多团队拿到预测结果就直接用，不做验证

为了让你看清我们这门课的整体结构，我画了一张图：

图里从三大支柱展开到四个核心子模块，最后汇集到实践输出。咱们这门课就按照这个逻辑走：先打好基础，再学排查，最后用SVA收网。

准备工作与环境搭建

为了跟着后面的实操章节一起动手，我建议你准备好以下环境：

Python 3.8+ 并安装 RDKit、scikit-learn、pandas、matplotlib
一个公开ADMET数据集（比如TDC的ADMET benchmark）
如果是Windows用户，建议用WSL或者Docker跑Linux环境

安装RDKit的命令很简单：

conda install -c conda-forge rdkit
# 或者
pip install rdkit-pypi

曾经踩过的坑：我建议用conda安装，别用pip。pip版RDKit在某些Python版本上会缺失部分描述符计算接口。我因为这个排查了两天才发现是安装问题。

好了，导论部分就到这里。你已经清楚了ADMET是什么、模型有哪些、SVA的定位，以及我们这门课的地图。后面每一章都会围绕实际故障案例展开，带着代码和参数配置一步步做。准备好，我们开始正题。