课程概述：图神经网络与ADMET预测
说实话，我第一次接触这个领域的时候，心里挺没底的。
那会儿是2019年，我接了一个项目，要预测某个候选分子的心脏毒性。传统方法试了一圈——定量构效关系（QSAR）、分子指纹、物理化学描述符——效果都不理想。数据量小，噪声大，模型动不动就过拟合。我当时就想，有没有什么办法，能把分子结构本身的信息保留得更完整一些？
后来我遇到了图神经网络。嗯，这就是我们今天要聊的东西。
为什么ADMET预测需要GNN？
你可能要问，传统的机器学习方法哪里不好？我简单说说我的体会。
- 分子指纹的问题：指纹是一个固定长度的二进制向量，它把分子结构“拍扁”了。拍扁之后，原子之间的连接关系、空间构型都丢了。说白了，你给模型看的是一张“零件清单”，而不是“装配图纸”。
- 描述符的局限：物理化学描述符（比如logP、分子量、氢键供体数）是人工设计的特征。但你想想看，人能想到的特征有限。很多微妙的立体效应、电子效应，人类根本定义不出来。
- 数据稀疏性：ADMET数据通常很贵，一个化合物测几个性质就要花几万块。数据量少，模型就容易崩。传统方法在这个场景下特别脆弱。
我个人习惯把这个问题想成——“如何让模型理解分子”。
核心观点：分子的本质是一个图。原子是节点，化学键是边。把分子当作图来处理，而不是当作一串数字或者一个固定的向量，这本身就是更符合化学直觉的做法。
图神经网络能做什么？
图神经网络（GNN）是一种直接在图上做深度学习的框架。它不像卷积神经网络那样处理规则的网格，而是处理不规则的、拓扑结构复杂的数据。分子就是这种数据的一个典型例子。
我举个例子。
假设你要预测一个分子是否容易透过血脑屏障。传统做法是：
- 计算分子的指纹（比如ECFP4）
- 把指纹喂给随机森林或XGBoost
- 得到一个分类结果
GNN的做法是：
- 把分子表示成一个图，原子是节点，键是边
- 在图上做消息传递——每个原子会接收来自邻居原子的信息，更新自己的特征
- 经过几轮消息传递后，整个图会形成一个全局表示（图嵌入）
- 用这个图嵌入去做预测
关键区别在哪？
传统方法需要人手工设计特征。GNN自己学特征。而且，GNN能捕捉到分子的局部结构和全局性质——这是分子指纹做不到的。
一个小经验：我在2021年做过一个对比实验，用同一个数据集（约5000个化合物，预测CYP450抑制性），GNN模型的AUC比随机森林高出了大约0.08。这个提升在后来的外部验证集上也保持住了。并不是说GNN一定吊打传统方法，但它在分子理解上的优势确实存在。
下面这张图展示了GNN在ADMET预测中的基本逻辑。
这个课程会讲什么？
这个课程一共30章，我按照自己的实践路径把它分成了几个模块。
| 模块 | 章节范围 | 我打算讲什么 |
|---|---|---|
| 基础篇 | 第1-5章 | GNN基本概念、分子图表示、消息传递原理、常用GNN架构 |
| 数据处理 | 第6-10章 | 分子数据处理、SMILES解析、特征工程、数据增强、不平衡处理 |
| 模型实战 | 第11-20章 | GNN模型搭建、训练、调优、集成、迁移学习、多任务学习 |
| ADMET专讲 | 第21-25章 | 具体ADMET性质预测案例——清除率、CYP抑制、hERG毒性、渗透性、血浆蛋白结合 |
| 进阶与部署 | 第26-30章 | 可解释性、模型压缩、ONNX部署、工业级流水线、失败案例复盘 |
提前提醒一句：这个课程不是纯理论的。我们会有代码、有数据、有踩坑记录。我曾经在一个项目里花了三周时间调GNN的层数，结果发现问题是分子图构建时原子特征归一化做错了。嗯，这种坑我会尽量帮你提前排掉。
这个模块的核心知识点
我把今天的内容整理成了一张表格，方便你回顾。
| 知识点 | 我的理解 |
|---|---|
| ADMET预测的痛点 | 数据稀疏、结构表示丢失、人工特征设计成本高 |
| 分子图的本质 | 原子是节点，键是边，图结构保留了拓扑信息 |
| GNN的核心流程 | 图构建 → 消息传递 → 读出 → 预测 |
| 为什么GNN更适合分子？ | 自动学习特征、保留局部与全局结构、对非欧几里得数据友好 |
| 课程路线图 | 基础 → 数据 → 模型 → ADMET专讲 → 进阶部署 |
一个小作业（自己练手）
如果你手头有分子的SMILES数据，可以试着做一件事：
# 用RDKit把SMILES转成图结构
from rdkit import Chem
from rdkit.Chem import Draw
smiles = "CC(=O)Oc1ccccc1C(=O)O" # 阿司匹林
mol = Chem.MolFromSmiles(smiles)
# 看看原子和键的数量
num_atoms = mol.GetNumAtoms()
num_bonds = mol.GetNumBonds()
print(f"原子数: {num_atoms}, 键数: {num_bonds}")
# 可视化分子
img = Draw.MolToImage(mol)
# 存成图片或者直接显示这个练习的目的，是让你直观感受“分子怎么变成一个图”。
我记得我第一次跑这个脚本的时候，看到阿司匹林分子被拆成原子和键的那个瞬间，才真正理解了什么叫“图是分子的自然表示”。
避坑指南
- 不要直接把SMILES字符串当输入给GNN。我犯过这个错误。SMILES是线性序列，图是拓扑结构，两者不匹配。一定要构建成图。
- 注意原子特征的标准化。不同分子的原子数不同，但特征向量维度要统一。我曾经因为漏掉氢原子，导致模型对分子大小的敏感度完全不对。
- 图的连通性检查。有些分子在SMILES转化时会丢失一些信息，比如没有明确氢原子。建议在构建图之前，先Chem.SanitizeMol一下。
嗯，第一章就聊这么多。