第1章从药物发现到分子机器学习

From Drug Discovery to Molecular Machine Learning

本章摘要　分子机器学习不是“用计算机跑化学”，而是一门关于如何把化学对象与化学问题翻译成数据、再让算法从中学习的学问。本章先看药物研发真实的困难，再建立全书最重要的两个直觉：表示决定模型的上限，评估决定结论的可信度。

新药从实验室走到药房，平均要十年以上，耗资以十亿美元计，而进入临床的候选分子十不存一。机器学习承诺缓解的，正是这条漏斗里最昂贵的环节：用计算代替一部分合成与试验，把搜索空间从天文数字压到可以操作的范围。

本章从性质预测、相似性检索和分子生成三类任务说明机器学习在药物发现中的作用，并提出贯穿全书的两个问题：如何把分子表示成数据，如何判断实验结果是否可信。第二章以 RDKit 介绍分子表示；第三、四章在 DeepChem 与 TorchDrug 的实例中继续讨论表示选择和评估方法。

1.1

研发周期、成本与失败率的量级；从靶点到上市的完整链条；机器学习切入的四个环节及其边界。

1.2

SMILES、分子指纹与分子图三种表示的哲学差异与适用场景；为什么“表示”决定模型的上限。

1.3

公开基准数据集全景；随机划分为何给出虚高的成绩；骨架划分与更严格的评估协议。