编辑推荐:
人工智能(Artificial Intelligence, AI)现已指导小分子发现中的选择,但基准性能提升(benchmark gains)很少揭示模型是否改变了下一个化合物、试验或项目决策。本 Perspective 围绕 Design、Make、Test
人工智能(Artificial Intelligence, AI)现已指导小分子发现中的选择,但基准性能提升(benchmark gains)很少揭示模型是否改变了下一个化合物、试验或项目决策。本 Perspective 围绕 Design、Make、Test and Analyze(DMTA)交接组织公开证据。它区分可重复基准证据(reproducible benchmark evidence, C1)、使用相关回顾性稳健性(use-relevant retrospective robustness, C2)、已执行 Make 或 Test 交接(executed Make or Test handoffs, C3)、前瞻性工作流比较(prospective workflow comparisons, C4-W)和可追溯下游轨迹(traceable downstream trajectories, C4-D),并单列 Evaluation、Deliverability 和 Governance 概况(profiles)。两名作者独立筛选 99 个公开来源,并对协调后的 75 个声明单元(claim units)进行分类。共识编码将 41 个声明归为 C1、6 个归为 C2、19 个归为 C3、9 个归为 Context;没有声明达到 C4-W 或 C4-D。这些计数描述该目的性公共证据地图(purposive public-evidence map)。四项压力测试(pressure tests)考察结构预测(structural prediction)、低数据主动学习(low-data active learning)、超大规模筛选(ultra-large screening)和奖励黑客(reward hacking)。更强的声明依赖可检查工作列表(inspectable worklists)、分母(denominators)、阴性结果(negative outcomes)、决策规则(decision rules)和溯源(provenance)。所提出的报告框架将工作流比较与下游可追溯性区分开,并在化合物细节具有商业敏感性时支持分层披露(tiered disclosure)。
论文解读
研究背景与问题:AI已进入小分子发现决策,但文献和公开报告常展示模型性能、平台能力或选中成功,较少说明模型是否改变下一个化合物、试验或项目决策。现有整合综述、数据中心分析、工业部署报告和相邻报告标准已建立模型、数据、验证与实施要求,但围绕 Design-Make-Test-Analyze(DMTA,设计-合成-测试-分析)交接的公开证据仍不均衡。研究人员因此提出:一份公开记录需包含什么,技术可信的模型结果才能支持“AI改变发现决策”的声明。该 Perspective 旨在用 claim-evidence classes(声明-证据类别)区分基准评价、回顾性稳健性、已执行交接和下游可追溯性,并提出与商业敏感性兼容的报告框架。
研究人员开展研究及结论意义:研究人员构建目的性公共证据地图,独立筛选99个公开来源,协调出75个claim units,并独立编码C1、C2、C3、C4-W、C4-D及Evaluation、Deliverability、Governance概况;共识结果为41个C1、6个C2、19个C3、9个Context,无C4-W或C4-D。结论是公开记录中可重复评价和已执行交接已有体现,但完整前瞻工作流比较和可追溯下游决策链仍缺失。其意义在于将AI发现声明按证据可重建性分级,避免把基准增益、选中成功或下游结果直接外推为工作流优越性。
关键技术与方法(不超过250字):研究采用目的性公共证据地图,样本来源为PubMed、Web of Science、Scopus和Google Scholar的定向检索、参考文献筛选和引文追踪,最终汇编检索于2026-05-21,链接检查至2026-07-24。Shuyan Zhang和Bowen Shi独立筛选99个来源,独立提出claim units,不先赋类别;协调后形成75个claim units。随后独立分类并记录Evaluation、Deliverability、Governance、AI角色和可见性字段;比较两轮结果,分歧经讨论解决,J.Y.仲裁剩余字段。方法还包括C1-C4证据升级规则、四项压力测试、最小报告框架和分层披露设计。
研究结果:
2.1 Claim-evidence classes and escalation rules:通过定义C1、C2、C3、C4-W、C4-D的升级规则,研究得出各声明对应不同公开证据边界;比较性获益需C4-W证据,C4-D回答下游可追溯性而非AI特异性因果。
2.2 Evaluation, deliverability and governance profiles:通过设置三个横切概况,研究得出它们解释声明强弱与缺失工件,但不构成额外证据等级;强治理不能把回顾性基准转为已执行交接。
2.3 Evidence-map scope and interpretation:通过99个来源、双人独立筛选和75个claim units共识编码,研究得出41个C1、6个C2、19个C3、9个Context,无C4-W或C4-D;计数仅描述该汇编集合,不代表技术排名。
3.1 Design: representation must fit the decision context:通过分析分子表示、复合物预测和口袋条件评分等,研究得出表示必须匹配决策环境;决定性记录是将结构输出连接到下一化合物级行动规则。
3.2 Make: turning rankings into worklists:通过分析药物-靶标亲和力、ADMET(absorption, distribution, metabolism, excretion and toxicity,吸收、分布、代谢、排泄和毒性)、肝毒性、生成模型和逆合成,研究得出分数需转化为可执行、可检查工作列表,并报告提名、执行分母和失败原因。
3.3 Test: follow-up requires denominators and assay contracts:通过分析超大规模筛选和低数据主动学习,研究得出测试需预先链接提名与试验,保留阴性或模糊结果,比较器需相似预算、多样性和试验协议。
3.4 Analyze: a closed loop must remember why the next decision changed:通过主动学习、贝叶斯优化、反应优化、数字DMTA平台和大语言模型代理,研究得出闭环需记录推荐、人工干预、执行工作及其对下一周期的影响。
3.5 Worked applications and a counterexample:通过 de novo 抗生素研究、TNIK、DSP-1181和baricitinib案例,研究得出部分链条支持C3或Context,但未建立匹配前瞻比较或完整可追溯决策链。de novo抗生素案例中,518,203个F-CReM和6,937,677个F-VAE化合物经筛选保留285和678个,80个评估、27个尝试合成、2个获大于95%纯度并测试,1个抑制Neisseria gonorrhoeae;围绕一个保留片段的非前瞻两臂比较中,设计合成分子1/16有活性(6.25%;MIC 128 μg ml
?1),购买片段分子6/12有活性(50%;MIC低至16 μg ml
?1),但资源未匹配,故不支持相对工作流获益。
4.1 Structural intelligence: from plausible complexes to compound choices:通过AlphaFold 3及相关复合物预测,研究得出其提供上游结构基准,但在小分子地图中仍为Context,直到选择规则和关联Make或Test计划可见。
4.2 Low-data active learning: from offline efficiency to the next batch:通过三个现有高通量筛选数据集的模拟回放,研究得出其在1000分子采集预算下支持C1;前瞻证据需新执行Make或Test并在指定比较下。
4.3 Ultra-large screening: from scale to accountable follow-up:通过机器学习引导对接,研究得出映射来源含1个C1和2个C3;C4-W需匹配或重复的前瞻工作流比较。
4.4 Reward hacking: from optimized proxies to governed decisions:通过可靠性阈值调优、无约束优化和随机阈值调整比较,研究得出两个C1和1个Context;Evaluation部分满足,Deliverability缺失,Governance部分满足。
5.1 Tiered implementation under commercial constraints:通过公开层、受控访问和内部系统设计,研究得出公开声明上限由可检查记录决定,聚合分母、决策规则和预定结局可在结构保密时支持C3或C4-W。
讨论部分:Limitations指出该证据地图为目的性测试,定量解释限于汇编集合;未保留原始数据库导出和去重前筛选计数,故不能进行PRISMA式覆盖率和患病率估计。公共可见性因组织和发现阶段而异,缺失公开工件只限制公开推断,不证明内部记录不存在。来源密度、项目关联和claim-unit编码需判断,独立编码和仲裁只能量化分歧,不能消除来源歧义。Conclusions and outlook强调,C1和C2工作仍可作重大方法学贡献,C4-W适用于匹配工作流比较,C4-D跟随文档化决策至有后果的后续结果;候选成功、模型归因和工作流优越性回答不同问题。
研究结论翻译:AI驱动的小分子发现产生许多评分和候选假设。公开记录中,这些输出与后续决策之间的完整联系较少。75个声明共识地图包含可重复评价和已执行交接,但没有声明满足C4-W或C4-D的完整公开要求。该结果描述所汇编记录。声明-证据类别给予这些记录与声明相称的解释。Evaluation界定可信回顾性边界。Deliverability显示输出进入Make或Test,Governance保留下一周期的可追溯性。拟议报告框架将这些判断转化为简洁框架。其分层形式允许有意义的审查,同时敏感化合物细节受到保护。下一步证据进展是公开连接模型输出与受约束发现决策。新架构、更好表示和校准预测器扩展团队可考虑的选项。当建议改变合成、试验或组合行动且后果可追溯时,转化声明变得可检查。实际进展单元是模型和决策对:记录识别输出和行动规则,然后追踪发生情况。发表期望应与声明相称。C1和C2工作在无法前瞻执行时可作出重大方法学贡献。C4-W适用于匹配工作流比较。C4-D跟随文档化决策至有后果的后续结果,同时将AI特异性因果和工作流优越性作为独立问题。对AI成功故事的综述显示有影响力的候选叙事如何从异质证据产生。最近对Big BioPharma采用的分析也把组织整合、阴性证据和终止机制置于价值创造中心。候选成功、模型归因和工作流优越性回答不同问题。