AIDD·Atlas AI 制药学习地图
073

SAR 构效关系:药物化学优化的核心语言

SAR 描述结构变化与活性变化的关系,是药物化学优化的核心语言,也是 AI 设计要去学习与利用的规律。

构效关系(SAR,Structure–Activity Relationship)描述分子结构的改变如何影响其生物活性。它是药物化学优化的核心语言——「在这里加个甲基活性升,在那里换卤素选择性变好」。

SAR 的基本思路

  • 系统变化:围绕一个骨架,逐位置、逐基团地改造并测活性。
  • 归纳规律:找出「哪类改造在该体系里有利」。
  • 结合结构:用蛋白-配体结构解释为何某改造有效(SBDD)。

容易踩的坑

  • 活性悬崖(activity cliff):结构只差一点,活性却天差地别,违背「相似→相似」直觉。
  • 上下文依赖:同一改造在不同骨架上效果可能相反。
  • AI 模型在活性悬崖处常表现不佳,需要特别注意。

关键要点

  • SAR = 结构变化↔活性变化的规律;
  • 系统改造 + 结构解释是正道;
  • 警惕活性悬崖与上下文依赖,AI 在此易失手。

延伸资源

  • 分析工具见 042《R-group 分解》、043《MMPA》。
  • 建模陷阱见「AI 模型」模块。