← 返回 PaperDaily
前沿研究
ChEMBL 36上2-3倍早期富集：还带风险提示
预算只有一小撮，分子却多到看花眼？这篇论文不跟你玩“全都要”，而是先把库压缩成可审计的Top-k，再把不确定性、适用域和风险证据一起端上桌。它更像一个实验前的“筛子”，不是最终判决书。
龙哥读论文
阅读 3
查看原文
🐉 龙哥读论文知识星球来了！公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～
龙哥推荐理由：
预算只有一小撮，分子却多到看花眼？这篇论文不跟你玩“全都要”，而是先把库压缩成可审计的Top-k，再把不确定性、适用域和风险证据一起端上桌。它更像一个实验前的“筛子”，不是最终判决书。
原论文信息如下：
预算有限，化合物库怎么选？一个自带风险评估的“先筛”方案
做化合物筛选的人大概都懂一个扎心现实：不是分子不够多，而是预算不够多。库里可能有几十万、几百万个候选，但真正能进实验台、进采购单、进合成排期的，往往只是很小一撮。于是问题就变了——不是“能不能给每个分子打分”，而是“先测哪些最划算”。
这篇论文干的事很像实验前的“智能安检”：先把大库压缩成一个更小的 Top-k 候选集，再把不确定性、适用域证据、结构风险提示一起摆出来。它不装神弄鬼说“我已经知道谁一定能成”，而是老老实实告诉人类：哪些值得优先看，哪些要先打个问号。
项目本身也很实用：仓库里给出了可复现脚本、冻结结果、测试、数据清单，甚至还把公开存档做了记录。对做药筛、做计算化学、做项目优先级管理的人来说，这种“能复现、能审计、能解释”的路线，比那种只会报一个漂亮分数的模型更像能上工位的工具。
核心问题：不是每个分子都能测，而是先测哪些最划算
传统分子建模常见的思路是：给每个分子预测一个活性值，然后按分数排队。这个思路没错，但它默认了一个前提——大家都能被测。现实里往往不是这样，实验预算才是最硬的门槛。库再大，第一轮能上的也就那么点；而且第一轮最怕的不是“没找到最强的”，而是“把预算花在一堆看起来很美、实际上很坑的分子上”。
所以这篇论文把问题改写成了预算约束下的化合物库优先排序。说白了就是：给定一个库和一个预算 B，别追求把每个分子都照顾到，先把有限预算用在最值得“见实验”的分子上。这里的“值得”不是单看活性分数，还要看它到底有多确定、是否落在模型熟悉的分布里、有没有明显结构风险、有没有 ADMET（吸收、分布、代谢、排泄、毒性）方面的警报。
这里有个很关键的概念要先讲清：富集。在虚拟筛选里，富集常常用“前 k% 里活性分子占比”相对“全库活性分子占比”的提升来衡量。比如 EF@1%（Enrichment Factor at 1%，1% 富集因子）就是看最前面 1% 的候选里，活性分子比例比全库平均水平高多少。它特别适合预算受限场景，因为实验人员关心的不是全局平均分，而是前排有没有货。
为了避免“训练集见过、测试集又撞脸”的假成绩，论文还做了两层泄露审计：一层是标准化结构去重，另一层是Bemis–Murcko 骨架去重。前者是把完全一样的标准化分子去掉，后者更狠一点，连核心骨架都不能和训练集撞。这样做的目的很朴素：别让模型因为“见过类似题”就被误以为真的会泛化。
方法设计：保守、透明、可审计的三大支柱
这套方法最有意思的地方，不是它用了什么花里胡哨的新骨架，而是它坚持了一个很“老派但靠谱”的原则：先把事情做对，再把事情做漂亮。论文把系统拆成三层：活性代理模型、风险与不确定性证据、可审计导出层。三层之间不是谁替代谁，而是层层叠加，最后给出一个“能交给人看”的优先级列表。
第一层是活性代理模型。它没有上来就堆图神经网络、超大 transformer 之类的重武器，而是选了一个2D 结构基线：Morgan 指纹加 RDKit 描述符，再接一个多层感知机。Morgan 指纹可以理解成分子的“局部结构指纹卡”，RDKit 描述符则像分子的基础体检报告，比如分子量、疏水性、极性表面积、氢键供受体数量等。英文里 Morgan fingerprints 就是“摩根指纹”，RDKit descriptors 就是“RDKit 描述符”。
为什么要选这种“看起来不够潮”的方案？因为上游筛选层最重要的不是炫技，而是快、稳、可解释、可批量跑。这层模型的任务不是直接宣布“谁一定成药”，而是先把库里的候选排个相对顺序。用太复杂的模型，可能分数看着更酷，但解释和审计就容易变成一团浆糊。
第二层是不确定性量化。论文用了 split-conformal prediction（分裂保形预测）。这个词听起来像学术界的咒语，实际意思并不玄：先用一部分数据训练模型，再用另一部分数据校准误差分布，最后给每个预测值配一个区间，告诉你“这个分数大概在哪个范围里”。它的优势在于规则清楚、解释直接，比单纯报一个点估计更适合做决策参考。
第三层是适用域和风险证据。适用域（applicability domain）说白了就是：这个分子长得像不像模型见过的东西，离训练分布太远的分子，分数再高也要小心。风险证据则把 ADMET、结构警报、合成难度之类的信息一起纳入。论文特别强调，这些信号不是拿来做“绝对毒性判决”的，而是拿来做优先级审阅的——先提醒人类注意，再决定要不要继续往下走。
如果把整个流程浓缩成一句话，大概就是：先用轻量模型排队，再用不确定性和风险标签给队伍“贴条”，最后把最值得花预算的分子送去实验。这比“分数高就冲”更像一个真正能落地的决策层。
实验效果：2-3倍早期富集，风险证据同步展现
先说结论：这套方法不是那种“所有指标都碾压”的神话型结果，但它在早期富集上确实有实打实的表现，而且更重要的是，它把“为什么该信、为什么要谨慎”的证据一起端出来了。对于预算有限的筛选任务，这种组合比单纯提高一个分数更有价值。
在 ChEMBL 36 的内部验证上，模型的 Spearman 相关和 EF@1% 都不错；到了时间外推的 holdout 上，性能下降是正常的，毕竟时间会让分布偷偷变脸。但即便如此，早期富集仍然保持在可用区间，说明这个排序器不是只会在“熟悉题”上刷分。
更值得关注的是 BACE 外部数据。论文先做了严格的训练重叠控制：把标准化结构重叠去掉，再把骨架重叠也去掉。这个步骤很重要，因为很多虚拟筛选“看起来很强”，其实是训练集和测试集结构太像，等于考试前偷偷看了半张卷子。
严格 BACE 决策层 replay 的结果也挺有意思。原始活性排序在 Hit@10 上更高，但风险感知排序并不是傻乎乎地追求“分数最高就往前冲”，而是把一些高分但风险不明、适用域不稳的分子往后挪。换句话说，它牺牲了一点“表面命中”，换来的是更像真实项目决策的排序方式。
更直白一点说，这篇论文的亮点不是“把活性预测做到了多天花板”，而是把实验前的优先级决策做得更像一个工程系统：有富集、有审计、有不确定性、有风险提示。对于化合物库压缩任务，这种“能解释的好结果”往往比“黑箱里冒出来的神奇高分”更值得信。
局限与思考：这不是“最终结论”，而是一个决策层
论文自己也很克制，没有把 retrospective replay 包装成“前瞻性验证”。这一点挺难得。因为历史标签回放和真正未知活性库不是一回事。前者能证明排序器在冻结数据上的工作方式，后者才是实验室真正要面对的世界。
另外，论文用的是相对保守的 2D 基线，这既是优点也是限制。优点是快、稳、可解释；限制是它对复杂三维构象、蛋白口袋细节、构象变化的捕捉能力有限。也就是说，它更适合做上游筛子，不适合被误当成“最终裁判”。
还有一点要注意：风险标签不是毒理学终审，适用域也不是绝对安全证书。它们更像“红黄灯提示”。分子可以因为活性高而进前排，也可以因为风险高而被后移，但最后是否推进实验，仍然需要项目背景、靶点机制、合成可行性和人类经验一起判断。机器负责把信息摆整齐，人负责做最后的拍板。
从工程角度看，这种方法最适合放在筛选流程的前半段：先把百万级库压成几千、几百，再交给更贵的 docking、实验和人工审阅。它解决的是“先谁后谁”的问题，而不是“谁一定赢”的问题。这个边界划得清楚，反而更像一个靠谱工具。
新思路启发：换个角度，用“不确定性”辅助推荐系统
这篇论文给人的一个小启发是：推荐系统不一定只看“喜欢不喜欢”，也可以看“稳不稳、靠不靠谱”。化合物优先级其实就很像推荐：在一堆候选里挑少数最值得点击、最值得试、最值得花钱的对象。
如果把这个思路迁移到别的场景，比如商品推荐、内容推荐、候选人排序，单纯的点击率预测也许不够，最好再加上不确定性、分布外风险、规则约束和审计信息。这样系统就不只是“猜一个分数”，而是“给一个能放心用的排序建议”。
对论文写作也有启发：很多工作总想着往模型结构上卷，结果最后只剩参数很多、故事很满、落地很虚。反过来，如果先把决策场景讲清楚，再把证据层、风险层、审计层分开设计，论文会更像一个能被别人拿去用的系统，而不是一个只适合在附录里发光的分数表。
龙迷三问
这篇论文到底解决了什么问题？它解决的是“预算有限时，先测哪些分子更划算”的问题。不是给每个分子都下最终判决，而是先把库压缩成一个带风险标注、带不确定性说明的优先级列表。
EF@1% 是什么意思？EF@1% 是“前 1% 候选的活性富集倍数”，英文全称是 Enrichment Factor at 1%，中文可理解为“1% 富集因子”。它衡量的是前排候选是不是比全库平均更容易命中活性分子。
不确定性量化和适用域有什么区别？不确定性量化告诉你“这个预测有多稳”，适用域告诉你“这个分子像不像模型见过的东西”。前者偏预测可信度，后者偏输入是否离谱，两者一起用，才更适合做实验前筛选。
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评
论文创新性分数：★★★☆☆ 不是在模型结构上硬卷新花样，而是在“预算受限筛选”这个真实问题上，把优先级、风险和不确定性绑在一起，思路实用。
实验合理度：★★★★☆ 有内部验证、时间外推、严格去重外部集和 label-hidden replay，审计意识很强；不过部分结论仍属于回放型验证，不能冒充前瞻实验。
学术研究价值：★★★☆☆ 对化合物筛选决策层有明确启发，尤其适合做上游压缩与审阅辅助，但理论上更偏系统工程而非新算法范式。
稳定性：★★★★☆ 采用 2D 基线、保形区间和风险标签，整体比较稳；但时间漂移下覆盖率会下降，说明还不能把它当“永不失手”的神器。
适应性以及泛化能力：★★★☆☆ 在 ChEMBL、BACE 这类公开任务上能工作，但跨项目、跨靶点的真实泛化仍需前瞻验证。
硬件需求及成本：★★★★☆ Morgan 指纹 + MLP 这套组合很省事，适合批量跑；比起大模型路线，训练和推理成本都友好。
复现难度：★★★★☆ 仓库、脚本、结果和数据清单都给得比较全，复现门槛不高，但要严格复现审计流程仍需认真对齐环境。
产品化成熟度：★★★☆☆ 适合做实验前的优先级过滤器，离“直接替代实验决策”还有距离；更像一个靠谱的前置筛选模块。
可能的问题：回放验证强于前瞻验证，风险信号偏辅助而非终审；若拿去直接做项目结论，容易把“排序工具”误当“答案机器”。
主要参考文献
1. Shengyao Liang. Budget-Constrained Compound Library Prioritization with Risk Awareness and Uncertainty Quantification. arXiv:2606.26624v1, 2026.
2. 项目开源代码：https://github.com/ShengyaoLiang/risk-aware-compound-library-compression
3. 开源数据集：https://doi.org/10.5281/zenodo.20833014
4. 项目说明与复现入口：仓库 README、scripts/、results/ 与 tests/ 目录。
*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！
