拿到一个候选药物分子最让人头疼的问题之一就是哪里还能被改尤其是C-H硼化这种反应位置选对了能顺手牵出一个衍生系列选错了就是一个傍晚搭进去。最近某欧洲理工团队和某大型药企合作在顶级期刊子刊上发了一篇用AI预测药物分子硼化位点的工作专门解决这个“哪里能反应”的问题。这篇博客我就从一个天天跟合成、计算和数据打交道的人的角度把这篇工作拆开来讲它到底解决了什么痛点、数据从哪来、模型怎么设计的、验证靠不靠谱以及这类工具放到真实研发流程里应该怎么用。1. 药物分子“哪里能改”为什么一直是道送命题1.1 后期官能团化药物研发里的“最后一公里”做药物合成的朋友都有体感项目推进到先导物优化阶段手里往往已经有一个活性还不错的骨架接下来要做的是绕着一个核心结构修修改改——换一个取代基、在某个环上引入一个氟原子、或在特定位置上接出一个片段去探索构效关系。如果每次都从头全合成那周期和成本都让人想哭。所以大家都会尽量走“后期官能团化”这条路保留核心骨架在最后阶段对某个C-H键直接动手一步到位完成修饰。这条路说起来简单实操时第一个坎就是“到底改哪里”。一个中等规模的药物分子光sp2碳上的C-H键就有十几个候选位点更别说还有sp3碳。它们长得都差不多反应活性高低可能只差一个取代基的距离。选对了一个反应就能拿到目标物选错了要么产物复杂难纯化要么目标位点纹丝不动。这个“区域选择性”问题本质上就是官能团化能不能落地的决定性因素。1.2 为什么恰恰是C-H硼化让人又爱又恨在所有后期官能团化手段里C-H硼化是我个人觉得最“矛盾”的一类反应。它好处非常突出铱催化的C-H硼化条件相对温和对很多官能团都能容忍而且硼酸酯产物是个万能的合成把手——可以继续做Suzuki偶联、氧化成醇、转成卤素、做胺化一个位点打通之后整个衍生序列都跟着活了。但它“恨”的地方也很要命区域选择性的规律远没有教科书上写的那么清爽。你拿一个含吡啶、含杂环、含手性中心的药物分子去看富电子芳环与缺电子芳环的活性差异、邻位取代基的空间屏蔽、杂原子潜在的配位导向效应这些东西经常互相打架。经验规则在简单分子上很灵一旦到了真实药物骨架上经常会出现两套规则指向不同位点的情况。而且实验筛选的成本不是线性上涨是爆炸式上涨每验证一个位点基本都要单独做一个小型条件筛选。一次反应加上纯化、表征、可能还要重新设计底物保护策略一个化学家一周时间就进去了。以前我也试过用DFT去算各个C-H键的活化能精度是够了但一个分子往往要算几十个位点每个位点还要考虑多种构象和配体状态计算资源消耗非常大根本没有办法在每个项目上常态化使用。所以当看到这篇工作把AI预测拉进这个场景时我的第一反应是如果它真能把“位点排序”这件事做到七八成以上的可靠度哪怕跑一次预测只要几分钟它对实验方案的压缩效果都是很可观的。2. 训练数据从哪来这比模型结构更能决定成败2.1 经验规则在复杂药物骨架上的失灵做机器学习的都懂一句老话模型的下限由数据决定上限才由算法决定。放在这个任务里尤其扎心。C-H硼化的传统“经验规则”听起来很顺芳环上富电子的位置优先、空间位阻小的位置优先、有导向基的时候导向基附近优先。这些话在小分子底物上做定性判断确实八九不离十。可到了真实药物骨架问题就来了富电子和位阻两个因素经常给出相反的建议导向基同时存在多个还会产生“两套配位偏好互相抢”的情况。更麻烦的是药物分子里杂环的比例很高吡啶、咪唑、嘧啶这类含氮杂环的电子效应跟普通苯环差别很大经验规则在它们身上容易失效。这种东西不是靠化学家多看几个反应就能“刷新直觉”的需要系统性地从大量数据里把隐藏的相关性挖出来。所以这篇工作最让我感兴趣的不是它用了多复杂的神经网络而是它往模型里塞了什么样的训练数据因为那才是真正决定预测能力边界的东西。2.2 高精度计算数据与实验数据的组合从公开的信息来看这个团队的做法是典型的“计算数据打底实验数据校准”路线。先用密度泛函理论DFT算出一批C-H硼化反应各候选位点的相对能垒把这个作为“稠密标签”训练一个基础模型。DFT的好处是可以按需生成数据想覆盖多少多杂环、多少奇特骨架都能生成不用等文献。但坏处也很明显DFT是在理想化条件下算的跟真实反应条件之间总有差距。接着再用另一批来自文献和药企内部实验的数据做微调或作为对标校验。实验数据虽然“稀疏”“噪声大”但它是真实世界里反应出来的结果包含了很多理论计算很难准确描述的效应比如溶剂效应、温度影响、配体效应等。两条腿走路之后模型理论上既可以学到普遍规律又能吸收真实反应条件的偏差。我在实际做计算辅助合成时也有类似的体会纯计算的结论往往“方向对、幅度不够”纯实验的统计又经常“局部准、全局偏”两边对齐之后的可信度才真正能拿上台面。这篇工作把这种对齐做到了基准设计里我觉得是它最有价值的地方之一。2.3 数据集质量怎么评价覆盖度、噪声、平衡稍微懂点建模的人都会问数据量有多少、结构覆盖面多广、标签噪声多大这三个问题比模型层数重要得多。第一个是覆盖度。药企手里的分子库跟学术界的benchmark分子差别很大药企分子往往更大、更刚性、更多杂原子而且经常有手性中心和复杂的桥环结构。如果训练集里全是带简单取代基的苯环那模型在真实药物分子上一定会“水土不服”。所以评价这个工作时不能光看它公共数据集的精度更要看它在内部复杂底物集上的表现。第二个是噪声。不同文献报道的C-H硼化反应条件不完全一样——有的用的配体是联吡啶类有的用的是菲啰啉类有的温度高一点有的溶剂不一样。同样一个底物换个条件可能主位点就不一样了。这种标签噪声是绕不开的处理不好会让模型学到一堆互相矛盾的信号。所以要把任务定义从“预测哪个位点会反应”收敛到“预测在标准条件下最可能的位点排序”噪声影响才会可控。第三个是平衡性。一个分子上如果只有1个反应位点、其余9个都不反应直接用“分类”思路训练模型很容易偷懒全都预测不反应准确率也90%以上。所以必须把任务设计成“相对排序”——让模型去判断“这几个位点哪个更容易反应”而不是单纯二分类。数据平衡问题直接决定了模型学到的到底是有用的化学信号还是占了类别不平衡的便宜。3. 模型是怎么“记住”化学的原子级环境编码与置信度输出3.1 以碳为中心的局部环境特征怎么提取把一个分子扔给AI它首先需要知道“看什么”。这篇工作处理分子的思路我猜大概率是图神经网络一类的原子级表示分子被看成一个图原子是节点化学键是边每个原子有自己的“身份信息”——元素种类、杂化方式、邻接关系、局部电荷等。但关键的区别在于它不是笼统地预测“这个分子能不能反应”而是把每个候选的碳原子单独拎出来以它为中心构造一个局部环境子图。中心碳原子周围3到5埃范围内的所有原子和化学键就是这个子图的内容。这样做的好处是模型能捕捉到直接影响反应性的局部因素——比如邻位取代基的位阻、共轭体系的范围、附近的杂原子配位能力。5埃的半径听起来不大但对于化学反应来说已经是“决定性距离”了能直接影响过渡态构型和电子密度分布的因素基本都在这个范围内。太小的窗口学不到远程电子效应太大的窗口又会被大量无关信息干扰。这个“窗口大小”的取舍是这类模型设计里最容易被低估但实际上极其重要的细节。3.2 预测“概率差”而不是“绝对活性”这件事我要重点展开一下。很多刚入门的同学会把区域选择性预测做成回归任务——让模型去预测每个位点的反应活化能。这个做法不是不行但存在一个问题是模型要同时学会“这套反应体系整体活性有多高”和“分子内部哪个位点相对更活跃”前者对预测区域选择性的贡献其实不大。这篇工作更有意义的视角是把问题定义成“学习位点之间的相对关系”。它要的不是“这个位点能垒是25.3 kcal/mol”这种绝对数字而是“位点A比位点B更容易被硼化”这种相对比较信号。用排序学习的思路去训练损失函数重点惩罚“排错了序”的情况而不是“数值差了多少”。这样做还有一个额外的好处实验数据本身往往只给你“哪个位点是主产物”很难告诉你精确能垒而排序信号恰好能从这种模糊反馈里提取出有效信息。模型输出的每个位点得分虽然不是物理量但它的相对大小能直接映射成一张“位点优先级清单”。这恰恰是化学家最想看的东西。3.3 置信度让模型更像“助手”而不是“黑箱”我见过太多做过预测模型的人踩同一个坑给你一个预测结果但不告诉你这个结果有多可信。化学家又不是盲人摸象你让他盲信一个黑箱他宁愿自己多做两天实验。所以预测归因和置信度输出不是附加功能而是能不能落地的“生死线”。这篇工作对每个位点的预测据我理解除了给出得分之外还附带一个置信度估计。对于结构偏离训练集太远、或者局部环境信息不足的位点置信度会明显下降等于在告诉化学家“这个预测不太靠谱建议做实验验证”。这种设计非常聪明比甩出一个冷冰冰的“排名第一”要负责任得多。附带的价值是可解释性。如果模型能指出“这个位点预测优先级高是因为它邻位没有大基团”“那个位点预测优先级低是因为受到了吡啶氮的配位竞争”化学家就能把自己的知识跟模型逻辑对照判断是模型在胡扯还是自己此前忽视了某个因素。真正能进实验室的AI工具从来不是替人做决定而是帮人把决定做得更快、更有根据。4. 验证结果怎么看命中率、盲测和模型边界4.1 药企内部底物集上的真实表现看完模型设计接下来就必须面对灵魂拷问了它到底准不准“准”这个字在这个场景里有具体的含义那就是预测出的top-1位点跟真实反应主产物位点是否一致。另外top-2、top-3的命中率也很关键因为化学家往往可以接受在模型给的“前两个候选位点”里做条件筛选只要前几名能覆盖真实位点就已经能省掉很多摸瞎尝试了。从这篇报告的测试结果看在包含复杂杂环、稠环和脂肪环的真实药物分子测试集上top-1命中率明显高于常见经验规则top-2和top-3的累积命中率还会上一个台阶。当然这类结果很大程度上取决于测试集跟训练集的相似度所以我更关心的其实是它暴露了哪些边界——那些预测失败的案例往往比成功的案例信息量更大。4.2 与化学直觉的对照几个典型的命中和失误举一个比较有代表性的场景。某个含吡啶并咪唑骨架的底物模型预测的优先位点在咪唑环上某个电子密度较高的碳上。有经验的化学家第一反应可能会觉得这个位置确实富电子应该容易反应。实验结果也验证了这个位置是对的。但也有预测失误的例子。比如某个含脂肪族桥环的分子模型给出了一个叔碳位点作为top-1理由大概是这个碳周围的电子密度较高但实际反应时受到相邻甲基的远程立体挤压反应实际发生在另一个位阻较小的仲碳上。这种“电子偏好”和“远程位阻”打架的情况在真实分子里非常常见。模型如果只在芳环体系上训练足够多对sp3碳的立体环境理解不够深就特别容易翻车。这提醒了我一件事预测失败不一定是模型本身不够强很多时候是训练数据里根本没有足够多类似的“电子与位阻冲突”的例子。模型只能从它见过的东西里归纳规律没见过的情况确实很难指望它脑补出来。4.3 失败案例教会我们的模型边界就是数据集边界把失败案例汇总后其实可以清晰地划出这个工具的能力边界。比如在“简单芳环常见官能团”的范围内预测相当可靠在“复杂杂环但结构类似训练集”的范围内预测可以给你很好的起点一旦遇到训练集中很少见的骨架类型比如高度扭曲的桥环体系或者特殊配位环境置信度就会明显下降。另一个边界是条件敏感性。当前模型的输入很可能只包含底物结构这一个维度的信息并没有把配体、溶剂、温度显式编码进去。同样是C-H硼化反应不同配体下的区域选择性可能完全不同——特别是在有导向基团的底物上不同配体与导向基的配位能力差异会带来巨大的位点偏移。这些都是模型的“能力盲区”。所以用这个工具的正确姿势很清楚它是一个基于底物结构的静态预测器不是涵盖所有反应条件的万能预言机。它会告诉你“大概率的位置”不会告诉你“换条件之后会变到哪去”。搞清楚这一点你就不会抱怨它不准反而能在它可信的范围内最大化利用它的价值。5. 这套工具真正落地时该怎么用一个实操视角5.1 放在工作流中的什么位置最合理聊到最后绕不开的问题是一个预测工具放到真实药物合成流程里到底该摆在哪个节点上用我个人是建议放在“路线设计阶段”而不是“实验失败后才想起来查”的阶段。比如你在设计一个关键中间体的合成路线时需要在一个既有骨架上引入硼酸酯但又不想先花三周做保护基操作。这时候先把底物结构扔给模型跑一遍如果模型预测的位点恰好就是你想要的位点那你的路线可以大幅简化——直接上C-H硼化省掉保护/脱保护两步。另一种场景是你需要在两个类似骨架之间做取舍一个预测位点刚好在目标位置另一个预测位点偏离目标。那你就能在正式开做之前预判哪条路线更有戏避免把时间烧在一个看起来化学上可行、实际上区域选择性没救的路线里。这几分钟的预测时间换来的可能是两三周合成工作的方向性修正这才是它真正的价值。5.2 可解释性输出怎么跟化学家的判断互相修正我自己用这类工具时有个习惯不看最终排名先看理由。如果模型给出的理由跟我自己的直觉一致那这个预测大概率是稳的如果模型给出一个反直觉的位点我反而会多看两眼——可能是模型发现了被忽略的电子效应也可能是训练数据的偏差需要拿文献或少量实验去判断。这在导向基策略里尤其好用。有些位点模型预测会受某个官能团配位影响而偏离目标位置。这时候你可以在设计阶段就调整策略要么把导向基保护掉要么换一种不会配位的官能团前体要么提前引入一个临时导向基把反应“掰”到你要的位置。这种“结构与策略联动”的思考方式比单纯看一个预测排名高一个层次也才是AI预测落地到合成化学里的真正打开方式。5.3 我眼里接下来的三个扩展方向作为一个长期吃这碗饭的人看到这种工作我第一反应是它接下来怎么演进能让工具更好用。第一个方向是加入条件维度。现在预测的锚点是“标准Ir催化体系”如果能将配体、溶剂、温度这些条件也作为输入让模型回答“在条件A下的位点排序是什么、条件B下又是什么”那它就能直接参与条件筛选覆盖面会大很多。第二个方向是升级任务目标。从预测“位点排序”到预测“主产物产率和副反应趋势”甚至进一步预测手性选择性。这个难度会跳一大截但价值也会大一大截因为化学家最终需要的不是“反应发生在哪里”而是“怎么高效地拿到我要的那个产物”。第三个方向是跨反应迁移。C-H硼化只是C-H官能团化家族中的一类后面还有C-H芳基化、C-H胺化、C-H氟化等。如果这套“区域选择性预测”的框架能够把底物表示和位点排序架构迁移过去那价值就不仅是帮助一个反应类型而是塑造一种全新的计算辅助合成范式。我在计算化学辅助路线设计这条路上走了有些年头最大的体会是这类“预测位点”的工具最好用的时候往往是你心里已经有一个初步假设、需要快速验证方向的时候。它不负责替你拍板它只负责用几分钟时间告诉你“这个方向值不值得往下走”。模型给出的不是真理而是一份按概率排好序的侦探清单你拿着它去实验台前验证经常能节省一两轮完整的合成周期。以后如果真能把配体、溶剂这类变量都装进去我有理由相信它会成为一个药物化学家真正离不开的日常工具。