构建筛选库或生成分子集时，多样性很重要：如果分子彼此太像，等于在浪费实验与算力。多样性评估用量化指标来回答「这个库够不够多样」。
常用多样性指标
- 平均两两距离：基于 Tanimoto 的平均距离，越大越多样。
- 簇数 / 骨架数：聚类后有多少簇、含多少不同骨架。
- 内部多样性（internal diversity）：生成模型常用来衡量输出是否塌缩到少数模式。
实践要点
- 多样性 vs 相关性：盲目追求多样可能偏离目标活性区域，要与目标导向平衡。
- 结合骨架视角：骨架多样往往比指纹距离更有意义。
- 生成模型务必查内部多样性，防止「生成一堆几乎一样的分子」。
关键要点
- 多样性用平均距离、簇/骨架数、内部多样性衡量；
- 多样与目标导向要平衡；
- 生成模型必查多样性，防模式塌缩。
延伸资源
- 配套：050《分子相似性聚类》、052《化学空间可视化》。
- 「AI 模型」模块：分子生成评测（GuacaMol / MOSES）。