131.药物发现的真瓶颈是数据，不是算法

本期要点

· 本期转述 Latent Space《AI for Science》播客对 Leash Bio 联合创始人兼 CEO Ian Quigley 的访谈。

· 小分子药物发现的瓶颈不在算法，而在数据：公开数据库是实验的"尾气"，模型从中很容易学到化学家的个人风格而非物理规律。

· 他们用一千八百多名化学家的数据训练模型，仅凭分子结构猜作者，Top-5 准确率达到 60%；只用"作者身份"这一个社会学向量去预测活性，效果与用真实化学结构一样好。

· 解法是自己造数据：用 DNA 编码化合物库（DEL）把上百万分子装进同一根管子，靠 DNA 条形码和测序一次性读出结合结果，库规模可达四十万亿。

· 他们公开了一场竞赛，在难度最高的评测档上，两千支队伍没有任何人超过随机猜测。

· 第一个模型 Hermes 故意做得极简：只用内部数据训练，在外部数据上预测，与当时最先进的结构模型大致打平。

· 他们发现模型在给蛋白"起绰号"——注意力落在远离结合口袋的非保守短序列上；于是用大规模物理突变与竞争性置换实验，逼模型去看真正的结合位点。

· 最新方向是"药物化学智能体"：把分子与蛋白用可读英文表示，让语言模型在已跑完的海量实验数据库里自主设计实验，一个周末产出超过一万次结构—活性关系战役。

· 为什么更充足的资金也难复制：真正的壁垒是能发现实验"作弊模式"的组织文化，以及把 lumacaftor 类药物变成"蛋白错误折叠探针"这类长期积累的排查经验。