第1章 课程导论：分子指纹与药物筛选概述
1.1 为什么我们需要分子指纹？
先问大家一个问题：给你两个分子，你怎么知道它们像不像？
做药物筛选的人每天都要回答这个问题。我们手里可能有几百万个化合物，要从中找出能和靶点结合的苗头分子。一个一个地试？不可能。所以我们需要一种方法，把复杂的分子结构变成一串数字或者一段编码——这就是分子指纹。
我刚开始做这个方向的时候，对这种“把分子搞成编码”的做法有点抗拒。你想想看，一个三维的分子结构，压缩成几百个比特，信息不会丢吗？后来跑了一个项目，需要从两百万个化合物里筛出跟已知活性分子相似的候选物。用指纹做相似性搜索，几秒钟就出结果了。嗯，从那以后我再也没怀疑过指纹的价值。
一句话理解分子指纹： 把分子结构编码成一串固定长度的二进制位串或计数向量，通过比较这些编码来判断分子之间的相似度。
3 药物筛选的现实困境
药物筛选不是一件浪漫的事。说白了，它就是大海捞针。我来列几个真实数字：
- 一个中型化合物库：10万~200万个分子
- 筛选一个靶点需要的实验成本：几十万到几百万
- 从筛选到临床前候选化合物的成功率：约0.1%
所以，我们需要用计算的方法先做一轮“虚拟筛选”。把不可能靠实验测完的分子库，先用计算机模型过滤一遍。分子指纹就是虚拟筛选里最基础、最常用的工具之一。
3.3 本课程会讲什么？
这门课一共30章，我打算带着大家从原理到实战，把分子指纹在药物筛选里的应用讲透。核心路径是这样的：
- 基础篇（第1~8章）： 指纹的定义、常见类型、相似度计算方法。
- 工具篇（第9~14章）： 怎么用RDKit、Open Babel这些工具生成指纹。
- 实战篇（第15~26章）： 用指纹做相似性搜索、聚类、虚拟筛选、QSAR建模。
- 进阶篇（第27~30章）： 指纹的局限、改进方法，以及与深度学习指纹的对比。
一句话总结课程目标： 让你能独立完成一个基于分子指纹的药物筛选项目——从数据准备、指纹计算、模型训练到结果解释。
1.4 知识体系与核心逻辑
下面这张图展示了第一章涉及的核心概念和它们之间的关系。我习惯在开课之前先让学员看一遍整体视图，避免后面越学越糊涂。
1.5 学习路径建议
这门课我设计成“从原理入手，以项目结尾”。给不同基础的学习者几条路径建议：
| 基础背景 | 推荐路径 | 预估投入时间 |
|---|---|---|
| 有Python基础，不了解化学信息学 | 第1~16章按顺序，重点在RDKit操作 | 30~40小时 |
| 有化学背景，编程较弱 | 先看第1~8章理解原理，再补Python基础后看9~14章 | 40~50小时 |
| 有药物筛选经验，想系统掌握指纹 | 快速过第1~8章，重点在15~30章项目案例 | 20~30小时 |
我的建议： 别跳过任何代码实践。运行指尖下的代码，改动一个参数看结果变化，比读十遍教材都管用。
1.6 你需要准备的环境
从下一章开始，我们就要动手了。先把环境搭好：
# 推荐使用 conda 创建独立环境
conda create -n fingerprint python=3.10
conda activate fingerprint
# 安装核心依赖
conda install -c conda-forge rdkit numpy pandas matplotlib scikit-learn
pip install openbabel-wheel # Windows 用户用 openbabel-wheel我在项目里踩过一个大坑：用pip直接装RDKit，结果装了一个不完整版本，很多功能跑不了。所以建议一律用conda装RDKit，稳妥。
1.7 这一章我们要记住什么？
把知识点收一下：
- 分子指纹：把分子结构变成固定长度的编码，用于快速比较。
- 相似度度量：Tanimoto系数是药物筛选里最常用的，没有之一。
- 核心应用：虚拟筛选、聚类、QSAR建模——三个方向贯穿课程。
- 课程路径：基础→工具→实战→进阶，30章走完全程。
好，第一章就讲这些。把环境搭好，下章我们开始写第一行指纹计算的代码。