第2章：数据类型——活性、描述符与理化性质
说到化合物有效性评估，我们得先搞清楚一个核心问题：数据从哪来，长什么样？
我个人习惯把这块比作拼图。你没有拼图碎片，再牛的设计师也画不出完整画面。本章我们就聊聊这三类最基础的碎片：活性数据、分子描述符和理化性质。
2.1 活性数据：生物给你画的第一条线
活性数据，说白了就是衡量化合物生物效应的定量指标。你想想看，一个化合物有没有用，最终得看它对靶点的作用效果。
常见活性指标包括：
- IC₅₀：半数抑制浓度。值越小，抑制能力越强。
- EC₅₀：半数有效浓度。值越小，激活能力越强。
- Ki：抑制常数。衡量结合亲和力的金标准。
- %抑制率：在固定浓度下的抑制程度。
- 选择性指数：对靶点A vs 靶点B的活性比值。
我自己做药化项目时，最头疼的就是活性数据没对齐。同一个化合物在不同实验室测出来的IC₅₀可能差一个数量级。嗯，这里要注意：数据标准化是第一步。
核心原则：活性数据必须附带实验条件、单位和测量误差，否则就是一堆没用的数字。
2.2 分子描述符：化学结构的数字翻译
活性数据告诉我们化合物“表现如何”，但没告诉我们“为什么”。这时候就需要分子描述符了。
描述符分类：
- 1D描述符：分子量、原子数、键数等全局统计量。
- 2D描述符：拓扑极性表面积（TPSA）、氢键供体/受体数、可旋转键数。这些跟分子骨架直接相关。
- 3D描述符：分子体积、形状指数、静电势特征。计算成本高，但信息量也大。
- 指纹图谱：ECFP、MACCS等二进制或计数型特征向量。做虚拟筛选时特别好用。
- LogP：脂水分配系数。影响膜通透性和水溶性。
- 溶解度：直接影响生物利用度和实验可行性。
- pKa：解离常数。决定了化合物在不同pH下的离子状态。
- 熔点和沸点：结晶性和稳定性指标。
- 分子量：超过500通常意味着透膜性差。
- 你要评估一批化合物有没有成药潜力。
- 先看活性数据（IC₅₀ < 1 μM才算候选）。
- 再看描述符（TPSA < 140 Ų，保证口服吸收）。
- 最后看理化性质（LogP < 5，避免毒性累积）。
- 只有三项全达标，才会进入下一轮筛选。
我曾在一个项目中踩过坑：盲目堆砌了300多个描述符，结果模型过拟合得一塌糊涂。避坑建议是：先做相关性分析，再筛选最关键的10-20个。
注意：不同软件计算同一描述符的结果可能不一致。跨平台对比时，请务必使用同一套描述符计算工具。
2.3 理化性质：药化里的硬指标
理化性质是化合物能否成为候选药物的硬门槛。我记得有个老前辈说过：“活性再好，过不了ADME关，也是白搭。”
关键的理化参数：
你想想看，如果一个化合物的IC₅₀漂亮得像诺贝尔奖得主，但水溶性只有0.1 μg/mL，那它大概率只能停留在论文里。
实战技巧：用雷达图展示化合物的多重理化性质是否落在“类药空间”内。一眼就能看出短板在哪。
2.4 多源证据如何有效融合
现实中很少只看一类数据。活性数据、分子描述符、理化性质往往是协同分析的。
举个例子：
我在一个CNS项目里就吃过亏：对活性过于乐观，忽略了P-gp底物特性，结果好几个化合物没法穿透血脑屏障。那次之后，我养成了“三合一”检查习惯。
关键点：不要只在单一维度上画图。用散点矩阵、平行坐标或条件高亮表，让三类数据在同一视图中共振。
2.5 数据类型总结
下面这个表格把三类数据放到一起对比，方便你对照理解。
| 数据类型 | 常见维度 | 可视化用途 |
|---|---|---|
| 活性数据 | IC₅₀、EC₅₀、Ki、选择性指数 | 热力图、散点图、箱线图 |
| 分子描述符 | TPSA、HBA、HBD、可旋转键、指纹 | 雷达图、PCA降维图、直方图 |
| 理化性质 | LogP、pKa、溶解度、分子量、熔点 | 平行坐标图、分布区间图、条件筛选表 |
为什么要做这种区分？因为不同数据适合不同的图表类型。活性数据适合看分布和异常值；描述符适合做聚类和相似度分析；理化性质适合做区间判断和筛选。
好了，三种数据你心里有底了。接下来做图就不会抓瞎。