计算预测驱动的先导化合物优化：Percepta 五步工作法
先导化合物优化需要同时考察靶标活性、选择性以及广泛的成药性指标（ADME/Tox 等），实验评价体系庞大且成本高昂。成熟的研发团队普遍引入 in silico（计算模拟）预测工具作为实验评价的"前置过滤器"，将实验资源精准聚焦于最具潜力的候选分子。本文介绍 Percepta 平台如何支撑这一工作方式，以及可落地的五步操作方法。
01 研发背景：虚拟化研发催生先导优化新需求
近年来，虚拟研发（Virtual R&D）机构日益成为创新药物发现领域的重要力量。这类机构通常沿两条路径实现技术价值转化：一是聚焦自主管线，利用自有技术平台推进新化学实体（NCE）的发现与开发；二是以平台能力输出为核心，向行业提供技术服务或知识产权授权。
无论采用哪种路径，先导化合物优化阶段始终是早期药物发现的必经环节，其典型工作流程为：
- 苗头化合物 → 先导化合物确认：从高通量筛选（HTS）或虚拟筛选结果出发，在多样化化学空间中确认具有可成药潜力的先导化合物系列；
- 构效关系（SAR）研究：围绕核心药效团，通过系列类似物的设计、合成与活性评价，系统阐明结构—活性关系；
- 成药性综合优化：在提升靶标活性的同时，同步改善 ADME 性质与安全性谱，平衡活性与选择性的多参数优化。
02 核心策略：以计算预测压缩实验探索空间
在虚拟化研发的预算约束下，如何在有限的合成与测试资源中实现收益最大化，成为项目成败的关键。以计算预测作为"前置过滤器"的核心价值体现在：
- 在预算可控的条件下，系统性提升先导化合物优化的成功率和决策质量；
- 优先确定"最小必要"的合成与评价清单，避免资源分散于低价值化合物。
03 风险评估：依赖预测会不会"误杀"优质候选？
药物化学家常有的顾虑是：过度依赖预测模型进行"去重"或"筛选"，会不会将真正有潜力的分子提前淘汰？这一担忧的根源主要有两点：
- 预测模型本身的准确度有限，尤其是对训练集外化学空间的预测能力存在不确定性；
- 目标分子的结构类型在模型训练数据库中代表性不足，甚至完全缺失，导致预测结果缺乏统计学基础。
应对之策是选择"透明可信"的预测平台——理想的预测软件不仅给出数值结果，还应同步呈现支撑该预测的实验证据（如结构相似化合物的文献实测值）以及预测可靠性的量化评估指标（如可靠性指数、概率值、置信区间等）。这样，药物化学家能够基于完整信息做出判断，而非盲目"信任"或"怀疑"模型：
CAS 与 ACD/Labs 持续合作，为 Percepta 的预测模型提供经过同行评审文献验证的数据基础：
04 平台方案：覆盖成药性全维度的一体化预测
Percepta 是 ACD/Labs 历经 25 年积累、持续迭代的综合性化合物属性预测平台，内置多套经文献数据严格训练与验证的预测模型，覆盖先导优化所需的全链条评价维度——从早期理化性质筛查，到 ADME/Tox 综合评估，再到先导结构的虚拟衍生与优先级排序：
| 理化性质预测 | 水溶性、LogP、LogD、pKa、极性表面积、类药五规则、Absolv、密度、摩尔折射、沸点/蒸气压 |
|---|---|
| ADME 预测 | 血脑屏障渗透性、CYP 抑制/底物、口服生物利用度、Caco-2、HIA、血浆蛋白结合率、表观分布体积、P-gp、代谢位点、PK 参数模拟 |
| 毒性预测 | 致突变性（Ames）、心脏毒性 hERG 抑制、急性毒性 LD50、内分泌干扰、水生毒性、刺激性、健康危害效应、药物杂质毒性评价 |
在完成关键性质预测的基础上，Percepta 还内置先导化合物结构优化工具，支持在计算层面快速扩展化学空间、构建候选化合物库：
- 衍生物库设计：基于核心骨架虚拟生成系列类似物，批量预测成药性变化趋势；
- 片段库设计：支持基于片段的分子设计策略，探索骨架跃迁与片段替换方向；
- 批量筛选可视化：以图形化方式呈现多参数筛选结果，直观识别帕累托最优候选分子；
- 自定义筛选参数：按项目需求灵活配置筛选阈值与多参数评分权重。
模型定制化：对于拥有丰富历史测试数据的研发团队，Percepta 支持利用企业自有实验数据训练定制化预测模型，针对特定靶点类别或化学系列提升预测准确性；结合集中化的数据管理机制，可确保全团队始终使用经过验证、版本统一的预测引擎，消除因参数版本不一致导致的决策偏差。
05 实践指南：五步工作法
第一步：导入候选化合物列表，批量计算关键属性。将当前先导系列的"命中化合物"（hit list）导入 Percepta，批量计算感兴趣的成药性参数——理化性质、ADME 指标、毒性终点等。
第二步：多维度排序与化学空间扩展。在表格视图中对预测结果进行多维度排序与筛选，并可将潜在类似物加入计算队列，系统评估更广泛的化学空间：
第三步：逐模块深入审查预测证据。进入各预测模块的详情页，逐一审查关键终点。例如在致突变性（Ames）模块中，可同时查看预测结论、可靠性评级以及结构相似化合物的文献实验值，确保每一项取舍决策都有据可依：
第四步：标注优先级，确定合成候选清单。在表格中为各化合物添加项目注释，并标记出需优先合成的类似物，形成结构化的合成建议清单。
第五步：导出目标分子列表，对接合成执行。将经计算筛选和人工审定的目标化合物列表以 SDF 格式导出，直接提交至内部合成团队或 CRO 合作方推进合成。
06 用户口碑
"这是我使用过的最好的计算机模拟毒性软件，操作简单且信息丰富。"
—— Tim Tam，Apotex Pharma
"对 CYP 抑制的预测准确性令人印象深刻，Percepta 已成为我们早期发现流程的核心工具。"
—— Sarah Chen，Novo Pharmaceuticals
"我们选择 Percepta，正是因为它的实用性、高度可配置性，以及对内部自建算法的良好支持能力。"
—— 默克公司（Merck KGaA）研发团队
"ACD/Labs 的预测软件界面直观、图形输出出色，非常适合日常教学与研究使用。"
—— Bill Simmons，Loyola University
如需了解 ADME Suite、Tox Suite 或 Percepta 平台的更多信息，欢迎联系我们。本文整理自凯美科公众号文章《Percepta 平台如何通过计算预测驱动虚拟化药物研发，实现降本增效》。