ADMET预测：为什么我说它是药物研发的“守门员”

做药物研发的朋友，或多或少都听过这样一个故事：某个候选化合物，体外活性数据漂亮得不像话，靶点结合力强，细胞实验也一路绿灯。结果一上动物实验，生物利用度低得可怜，或者代谢太快，还没到靶点就被清除了。更惨的情况是，肝毒性直接让项目中止。

问题出在哪？说白了，光看活性和选择性是不够的。你合成的分子再漂亮，如果过不了吸收、分布、代谢、排泄和毒性这几关，那它充其量只是个“纸面明星”。

我在2017年跟过一个激酶抑制剂项目，当时大家拼活性拼得头破血流。我们组筛出了一个IC50在纳摩尔级别的分子，所有人都觉得稳了。结果一测水溶性，溶解度不到1 μg/mL，生物利用度几乎为零。嗯，从那以后，我养成了一个习惯：在筛选化合物库的时候，先看ADMET预测分数，再看活性数据。顺序不能乱。

1.1 什么是ADMET？拆开来看，每个字母都是坑

ADMET是五个英文单词的缩写。你肯定见过，但咱们重新捋一遍，因为每个字母背后都藏着一堆实际问题。

你看，每个环节都可能成为项目失败的原因。我做热图分析的时候，经常把这几个属性的预测值并排放到一起。你会发现，有些分子A和D都很好看，但M和T一塌糊涂。这种分子，我个人会选择直接放弃，因为后期优化的代价太大了。

1.2 为什么要在早期做ADMET预测？因为越晚代价越大

你想想看，药物研发是个烧钱的过程。早期你手头有1000个分子，做个高通量活性筛选，成本可控。但一旦进入临床前研究，毒理、药代、制剂，每个环节的投入都是指数级增长。

我曾经算过一笔账，不准确但能说明问题：

• 早期预测：用计算模型筛一遍，成本几乎为零，只需要算力和数据。
• 体外实验：测Caco-2细胞渗透性、肝微粒体稳定性，一个化合物就要几千块。
• 动物实验：大鼠PK实验，一组数据几万块，而且需要化合物量很大。
• 临床阶段：因为ADMET问题失败，意味着前面几千万甚至上亿的投入打水漂。

为什么会这样？因为药物研发的失败率高得吓人。我记得有一份统计，大约40%的候选化合物因为ADMET相关问题被淘汰。嗯，这些分子在活性、选择性上可能一点问题都没有，纯粹是“身体条件”不合格。

1.3 ADMET预测到底在预测什么？

很多人觉得ADMET预测就是给分子打个分，听着有点玄乎。它背后是有实实在在的计算逻辑的。我简单归类一下，让你心里有数。

常见的预测内容包括：

• 水溶性： 预测logS。难溶的药物，口服吸收基本没戏。我见过一些分子，结构上全是刚性芳香环，不溶性一目了然。
• 渗透性： 预测Caco-2或MDCK细胞表观渗透系数。决定了药物能不能穿过肠壁进入血液。
• 血浆蛋白结合率： 预测PPB。结合率太高，自由药物浓度低，药效打折扣。
• 代谢稳定性： 预测肝微粒体或肝细胞中的半衰期。半衰期太短，你得一天吃好几次药。
• hERG毒性： 预测hERG钾离子通道抑制风险。这个很重要，很多药物就是因为这个被召回的。
• 肝毒性： 预测药物是否会引起肝损伤。这是临床失败的主要原因之一。

这些预测都是基于分子结构和已知数据建立的模型。说白了，就是拿历史数据去训练一个模型，然后让它给你新分子打分。虽然不能100%准确，但作为早期筛选的依据，足够了。

1.4 你会用到的那些“家伙”——ADMET预测工具

市面上做ADMET预测的工具挺多的，各有各的脾气。我按使用经验给你列一下，不是广告，是我真实用过或者组里常用的。

我个人习惯在项目早期先用SwissADME或者ADMETlab快速过一遍，把那些明显有问题的分子筛掉。等到有几个候选分子进入冲刺阶段，再用商业软件做深度的药代模拟。不同的阶段，用不同的工具，效率最高。

1.5 这一章的脉络——一张图看懂

为了让这一章的结构更清晰，我画了张框架图，把ADMET预测的核心逻辑串起来。你看一眼，心里就有底了。

这张图表达的就是我们这一整章的内容逻辑：从一个候选分子的化学结构出发，用不同的计算方法去预测它的吸收、分布、代谢、排泄和毒性。最终把这些预测分数整合成可视化的形式——比如结构关联热图——来辅助你做决策。后续的章节，咱们会一步步把这个过程拆开揉碎，从数据准备到模型构建，再到热图绘制，一步步讲清楚。