AIDD·Atlas AI 制药学习地图
066

QED 指标:药物相似性评分应该如何解读

QED 把多个理化性质的「期望度」综合成一个 0–1 的类药性分数,适合排序与生成约束,但不宜当硬门槛。

QED(Quantitative Estimate of Drug-likeness)把多个理化性质(分子量、logP、氢键、PSA、芳香环数、警示结构等)的「期望度函数」综合成一个 0 到 1 的类药性分数,1 表示更像已上市口服药。

它的特点

  • 连续、可比:相比 Ro5 的硬阈值,QED 给出平滑的连续分数。
  • 综合多性质:一个数概括多维度的「类药感」。
  • 面向口服小分子:训练自上市口服药,超出该范围意义减弱。

怎么正确解读

  • 用于排序,不是判优:QED 高不代表一定是好药,只是更「像」典型口服药。
  • 生成约束:常作为分子生成的奖励项之一(见「实战流程」模块)。
  • 对新模态(降解剂、大环)QED 参考价值有限。

关键要点

  • QED = 0–1 的综合类药性分数;
  • 适合排序与生成约束,别当硬门槛;
  • 面向口服小分子,对新模态意义有限。

延伸资源

  • 实操:RDKit QED.qed(mol)
  • 配套:067《SA Score》、生成约束见「实战流程」模块。