近日，浙江大學康玉、侯廷軍教授與王極可研究員團隊在《Advanced Science》（中科院 1 區 TOP 期刊）發表突破性研究，藥學院博士生秦睿、計算機學院本科生陳子傑擔任共同第一作者。

　他們提出的 TarPass 評測框架，不僅揭開了行業迷思的真相，更以科學標尺為 AI 藥物生成技術劃定了規範化發展路徑。

　理性設計，還是 「射箭畫靶」？

　在 AI 技術深度賦能藥物研發的浪潮中，基於靶標的從頭分子生成模型被視為行業 「顛覆性工具」—— 它有望大幅縮短研發周期、降低試錯成本，破解傳統藥物發現效率低下的核心瓶頸。

　然而，一個根本性的質疑始終懸而未決：這些模型的亮眼性能，是源於真正的靶標理性設計，還是陷入了 「先射箭後畫靶」 的德州神槍手謬誤？即通過海量生成分子後篩選少量合理案例，人為誇大技術價值。

　作為 AI 製藥的核心技術，基於靶標的從頭分子生成旨在直接設計靶點特異性分子，無需依賴化合物庫篩選。

　近年來，非 3D、3D 「原位生成」 及優化方法三大範式的模型層出不窮，但落地困境持續凸顯：模型雖能生成理論上匹配的分子，卻難以轉化為有效候選藥物。其癥結在於 —— 缺乏統一、貼近真實藥物發現場景的評測標準，導致模型性能無法橫向對比，優勢常局限於 「事後解釋」，行業一度陷入 「虛假繁榮」 的漩渦。

　框架，建立行業標尺

　浙大團隊的突破在於構建了首個系統化、可復現的評測標準。TarPass 框架從真實藥物研發視角出發，完成了三重關鍵創新：靶點集科學構建：整合 18 個具有藥學代表性的靶點（覆蓋激酶、非激酶酶、GPCR 及核受體等關鍵類別），補充 2 個靶點的 apo 結構，形成包含 20 個蛋白的測試集；數據精準標註：每個靶點均經人工整合晶體結構、文獻中的關鍵相互作用及實驗驗證的活性數據，嚴格規避與訓練集的交集；多維量化評估：通過 MoleEval（分子性質評估）與 DockEval（構象與相互作用評估）雙模塊協同，對 15 個代表性模型進行標準化測試，全面揭示各模型的性能差異。

　這一框架徹底打破了 「零散評測」 的亂象，為行業提供了可量化、可對比的 「標尺」。

　戳破泡沫，直指優化方向

　TarPass的全面評估結果直指行業痛點：3D 「原位生成」 模型優勢有限：雖因利用口袋幾何信息，性能略優於非 3D 模型，但整體提升並不顯著；多數模型性能堪憂：僅少數模型能在多數靶標上超越隨機基線，絕大多數模型（含 3D in situ 模型）在關鍵蛋白 - 配體相互作用（PLIs）恢復率上接近甚至劣於隨機基線；典型缺陷集中顯現：生成分子存在結構不合理、化學空間偏離類藥區間、難以區分結構相近靶點等問題。

　這一結果證實：當前多數模型並未實現真正的靶標理性設計，部分宣稱的 「技術突破」 實為 「事後篩選美化」，陷入了 「射箭畫靶」 的誤區。行業長期存在的盲目樂觀泡沫被徹底戳破。

　後處理流程，推動技術落地

　該研究不僅敢於 「揭短」，更提供了可操作的解決方案。團隊設計了多層級虛擬篩選後處理流程，採用 「硬篩選 + 軟篩選」 的兩階段策略：將候選分子池縮減至原規模的 10% 以內；有效富集兼具高親和力與結構相似性的分子；顯著提升模型在實際藥物發現中的可用性。

　儘管經篩選後的分子尚未達到強先導化合物的標準，但該路徑為破解 「生成易、落地難」 的行業困境提供了關鍵範式，推動 AI 分子生成技術從 「理論可行」 邁向 「實際可用」。

　校準方向，加速產業化進程

　框架的深層價值在於重塑行業發展生態：打破 「各自為戰」 困局：建立統一評測標準，使不同模型的性能具備橫向可比性；精準指引優化路徑：研究者可依託該框架精準定位模型短板，聚焦分子預訓練、生物物理先驗引入等核心方向開展優化；驅動行業良性循環：其開源性與可擴展性將推動行業形成 「評測 - 優化 - 迭代」 的閉環，加速技術產業化落地。

　正視短板，釋放技術真實潛力

　浙大團隊的研究傳遞了一項關鍵行業共識：AI 分子生成技術並非 「萬能鑰匙」，目前仍處於發展初級階段，但在補充化學空間、挖掘潛在活性分子方面具備不可替代的價值。通過 TarPass 標尺的校準、針對性後處理流程的優化，其技術潛力可被充分釋放。該研究既不迴避現存問題，也不盲目誇大技術價值，為行業注入了理性發展的動能。

　里程碑式突破，引領行業新紀元

　這項發表於頂刊的研究，是 AI 製藥領域的里程碑事件。它不僅破解了長期懸而未決的評測難題，更以科學實證為行業 「校準方向」—— 推動 AI 分子生成技術從 「理論幻象」 走向 「實用加速器」。

　隨着 TarPass 框架的廣泛應用與後續模型的持續迭代，AI 藥物生成技術有望擺脫 「理論美好、實際脫節」 的困境，真正成為攻克疑難疾病、研發創新藥物的核心引擎，為人類健康事業注入新的動能。(記者 秦炳煜）

　頂圖：研究背景