1. 先导化合物与雷达图概述
做药物化学的，谁手里没几个“差一口气”的先导化合物？我当年刚入行时，导师扔给我一个分子——活性不错，但水溶性极差。他说：“你把它改成人见人爱的候选药。”我对着那堆理化参数，脑子全是浆糊。后来发现，用雷达图把各项性质摆在一起，问题一目了然。
今天这节，我们先搞明白两个基础概念：先导化合物和雷达图。嗯，这俩是整门课的基石。
1.1 先导化合物是什么
先导化合物，说白了就是药物发现的“起跑线分子”。它可能来自天然产物、高通量筛选、或者计算机虚拟筛选。一般具备以下特点：
- 对靶点有初步活性（比如IC₅₀在微摩尔级别）
- 结构可修饰空间大
- 但整体成药性往往很差——这就是我们要优化的原因
我遇到过不少项目，先导化合物活性亮眼，但水溶性<1 μg/mL，或者代谢稳定性差到在肝微粒体里半分钟就全没了。这种分子，不改不行。
| 性质 | 先导化合物常见问题 | 优化后目标 |
|---|---|---|
| 活性 (IC₅₀) | μM级 | nM级 |
| 选择性 | 对脱靶也有活性 | >100倍窗口 |
| 水溶性 | 难溶于水 | ≥50 μM |
| 代谢稳定性 | 快速代谢 | 半衰期>30 min |
| 毒性 | 有hERG或肝毒性风险 | 安全窗口足够 |
你看，这就像相亲——先导化合物第一印象还行，但深入了解后一堆毛病。我们需要系统性地评估它的各项“性格指标”，然后逐个击破。那用什么工具来同时看这么多维度？雷达图。
1.2 雷达图到底有什么用
雷达图，也叫蜘蛛网图。它把一个多维数据点映射到多个同心圆轴上，每个轴代表一个性质。数值越大（或越靠近外圈）表示在该维度上性能越好。
为什么我喜欢用它？因为人眼对“形状”极其敏感。你给化学家看一列数字，他可能无感；但你画出一个多边形，他一眼就能看出哪个角缩进去了——那个角就是急需优化的短板。
核心思想：一个理想的候选药，在雷达图上应该呈现近似“星形”或“丰满”的形状。任何一个维度严重凹陷，都意味着潜在的成药风险。
1.3 先导化合物优化流程
我们怎么从先导走到候选？一般走这几步：
- 先导确认：验证活性、结构确证
- 多参数评估：测活性、选择性、理化性质、ADME、毒性
- 雷达图分析：可视化哪些性质达标，哪些是短板
- 结构修饰：针对短板设计新分子（比如引入极性基团提高水溶性）
- 迭代优化：循环步骤2-4，直到所有性质满足预设阈值
下面这张图总结了这个流程。我习惯把雷达图放在评估环节的C位——它是整个循环的“诊断仪”。
我的经验：别等所有数据都测完再画雷达图。每拿到一批新数据，立刻更新雷达图。有一次我发现水溶性改善后，渗透性反而变差了——雷达图马上显示出新短板。早发现，早转向。
1.4 常见的雷达图维度
药物化学里，我常用的雷达图维度包括：
- 体外活性：pIC₅₀或pEC₅₀
- 选择性：相对于主要脱靶的倍数
- 水溶性：动力学溶解度 (μM)
- 渗透性：Caco-2 Papp (×10⁻⁶ cm/s)
- 代谢稳定性：肝微粒体中剩余百分比或半衰期
- hERG抑制：IC₅₀ (μM)，越高越好
- 血浆蛋白结合率：游离分数 (%), 越高越好
当然，不同项目侧重点不一样。比如CNS药物要额外关注血脑屏障通透性，而抗生素可能更看重在感染部位的暴露量。你自己可以根据靶点和适应症调整这个列表。
避坑提醒：我曾经见过有人把绝对值直接扔进雷达图，没做归一化。结果活性轴刻度0-100 nM，水溶性轴0-1000 μM，两个轴量级差太大，雷达图完全失真。一定要把所有数据归一化到0-1或者0-100之间，通常根据预设阈值来映射。
1.5 雷达图 vs 其他可视化方法
你可能想问：为什么不用柱状图或热图？我对比一下：
| 方法 | 优势 | 劣势 |
|---|---|---|
| 雷达图 | 一眼看出整体形状和短板 | 维度过多时轴重叠看不清 |
| 柱状图 | 容易对比单个维度数值 | 无法同时观察所有维度的相对均衡性 |
| 热图 | 适合大量化合物对比 | 缺少数值精确信息 |
我的习惯是：项目早期用雷达图做单个分子的“体检报告”；到了优化后期，用平行坐标图或热图比较一批类似物的整体表现。记得有一回，我们优化到第20个衍生物时，雷达图已经很难一眼看出趋势了，改用热图才识别出“水溶性改善总是伴随渗透性下降”这个规律。所以，工具不是死用的。
1.6 雷达图的本教程路线
后面我们会从数据准备开始，手把手实现一张可交互的雷达图。我会用Python和Plotly，但也会提一下Matplotlib的变通方案。你不需要一下子全懂，跟着我的节奏来就行。