1. ADMET 概述与项目背景
各位好，我是老李。今天咱们正式开始聊《ADMET项目从零到一的实施案例》。
很多人一听到 ADMET 就觉得头大，觉得那是一堆复杂的参数和实验。其实没那么玄乎。ADMET 说白了，就是回答一个核心问题：
这个化合物，能不能安全、有效地到达它该去的地方，然后好好待着，最后顺利离开？
如果做不到，那药效再好也没用。我个人习惯把 ADMET 看作是药物研发的「生死线」。
1.1 为什么 ADMET 是生死线？
这句话我经常跟团队里的新人讲。你想想看，一个化合物，体外活性数据再漂亮，IC50 低到纳摩尔级别，结果一到动物身上就出问题——吸收不了、代谢太快、毒性太大，那前面所有的努力基本就白费了。我在项目中遇到过很多次这种「体外神药，体内废物」的情况。
为什么会这样？
因为人体是一个极其复杂的系统。化合物吃下去之后，要经历吸收、分布、代谢和排泄等一系列过程。其中任何一个环节出问题，都可能让项目功亏一篑。
我有个习惯，每次启动新项目前，都会先把 ADMET 的五个核心参数写在白板上，让整个团队看清楚。它们分别是：
| 参数 | 描述 | 为什么重要 |
|---|---|---|
| A (Absorption) | 吸收 | 化合物能不能从给药部位进入血液循环？ |
| D (Distribution) | 分布 | 化合物到了血液里，能不能到达目标组织？ |
| M (Metabolism) | 代谢 | 化合物会不会被肝脏等器官快速分解？ |
| E (Excretion) | 排泄 | 化合物能不能被顺利排出体外？ |
| T (Toxicity) | 毒性 | 化合物会不会对身体造成伤害？ |
这五个方面缺一不可。如果吸收差，可能口服无效。如果代谢太快，血药浓度就上不去。如果分布不对，靶点根本接触不到药物。如果毒性太强，那直接判死刑。
核心观点： 理想的候选化合物，应该是吸收好、分布广、代谢适中、排泄顺畅、毒性低的五边形战士。
1.2 ADMET 领域的现实挑战
ADMET 研究不是纸上谈兵。它需要大量的实验数据和计算预测。但在实际项目中，我们常常面临几个问题：
- 数据孤岛： 体外实验数据存在不同部门的 Excel 表格里，没人整合成统一格式。
- 预测不准： 早期用计算方法预测，结果经常跟后续实验打架。我曾经吃过一次大亏，根据预测结果筛选了一批化合物，结果全都走不通，白白浪费了三个月时间。
- 缺乏流程： 项目从先导化合物优化到临床候选化合物，中间需要做几十项 ADMET 实验。但没有清晰的流程，经常做重复劳动或者漏项。
- 沟通成本高： 药化、药理、毒理、DMPK 这几个方向的人，说的「行话」都不一样。开会时花大量时间解释概念，真正讨论问题的时间反而不多。
嗯，这里要注意，这些挑战不是靠买一个软件就能解决的。你需要一个完整的实施体系。
避坑指南： 我曾经见过一个项目，因为早期没有建立规范的数据采集体系，到了后期汇总数据时发现，同一项实验在不同实验室做的结果居然对不上。最后只能重做，项目进度推迟了半年。所以，数据标准化工作必须一开始就做，不能往后拖。
1.3 ADMET 项目的完整生命周期
一个标准的 ADMET 项目，从开始到交付，可以分成几个阶段。我习惯用一个流程图来展示这整个过程。看起来清楚，也方便跟团队成员对齐。
这个流程图基本概括了一个 ADMET 项目的主线。从靶点确认开始，到发现有活性的先导化合物，然后进行早期 ADMET 评估，根据评估结果再优化化合物结构。如此反复迭代，直到找出各方面都表现不错的候选化合物，再去开展正式的 GLP 毒理和药代动力学研究，最后支撑 IND 申报。
你看，整个流程其实不复杂。难的是在每个环节都能做对。
1.4 本课程将要讲什么
有了上面的背景，你应该明白我们这门课要解决什么问题了。我不打算讲空洞的理论，也不会给你列一堆看不懂的方程。我们要做的，是带着你从头到尾走一遍 ADMET 项目的实施流程。
具体来说，我们会涉及这些内容：
- 建立数据管理规范： 怎么把分散的数据统一起来，避免数据孤岛。
- 搭建计算预测模型： 用开源工具或商业软件，搭建自己的 ADMET 预测管线。
- 设计体外实验方案： 哪些实验是必做的，哪些可以根据项目阶段选择性做。
- 整合多源数据做决策： 如何把计算和实验的结果结合起来，指导化合物优化。
- 规避常见陷阱： 我在实际项目中踩过的那些坑，我会一一告诉你避开的方法。
一点小建议： 每章内容我都会配一个具体的案例或一段可复用的代码。你可以直接在自己的项目里修改使用。这样学起来效率最高。
行，关于 ADMET 的概览和项目背景，今天就先聊这么多。记住一句话：ADMET 不是项目后期的补丁，而是从第一天起就该考虑的核心命题。后面的章节，我会带你一步一步把这个体系搭建起来。