异常结构识别：训练集里哪些分子应该删除

清洗数据时，除了去盐去重，还要剔除异常结构。它们会污染训练集、扭曲特征分布，让模型学到噪声。

哪些结构通常该删

• 混合物：去盐后仍含多个有机片段、难以确定主体的。
• 无机物/金属配合物：超出常规小分子建模范围的。
• 价键/化学不合理：RDKit 解析失败或价键异常的。
• 过大或过小：原子数远超类药范围，或只有几个原子的碎片。
• 反应性/警示结构：按项目需要过滤 PAINS、Brenk 等（见「成药性」模块）。

怎么做

• 设定明确、可复现的过滤规则，并记录删了多少、为什么。
• 过滤要适度：标准太松会留噪声，太严会丢有用样本。
• 对被删数据抽样人工核查，避免误删。

延伸资源

• 实操：RDKit 解析校验 + 自定义过滤；PAINS/Brenk 见「成药性」模块。
• 配套：046《分子标准化》、047《去盐与去重复》。