NYU Tautomer-Predictor 挑戰 AI 藥物研發中一項隱藏弱點
NYU 研究人員以超過 110 萬個分子狀態訓練 NYU Tautomer-Predictor，目標是解決一項會影響整個藥物研發流程的細微化學歧義。該模型可預測類藥分子中的氫原子位置，毋須先進行昂貴的量子計算。這一點很重要，因為只要移動一個氫原子，便可能改變候選分子與蛋白質結合時的表現。
這個開源系統處理的是互變異構現象，即分子隨着氫原子移動及化學鍵重新排列，在彼此密切相關的形式之間切換。研究人員往往必須在分子對接、虛擬篩選或分子動力學開始前選定其中一種形式。一旦選錯，後續每項計算都可能受到扭曲。
更深層的故事並非 AI 又學會了一項化學任務，而是許多先進的藥物設計流程至今仍依賴一項基本分子指派；實驗結構未必能可靠地揭示這項資訊。AlphaFold 式結構模型、對接軟件及生成式系統可以產生精細預測，但仍容易受錯誤化學輸入影響。
NYU Tautomer-Predictor 將晶體資料轉化為篩選工具
NYU 團隊將一個長期被忽略、記錄了實驗定位氫原子的資料庫，轉化為大規模 AI 互變異構體預測的訓練資料。
這項研究於 2026 年 9 月 23 日發表於 Chemical Science，由第一作者 Pan Xiaolin 及資深作者 Zhang Yingkai 領導。Han Chao 和 Han Fengyang 亦有參與。四位研究人員均隸屬紐約大學化學系，而 Zhang 亦是 Simons Center for Computational Physical Chemistry 成員。
他們的目標是計算化學中一個長期存在的問題。許多類藥分子以兩種或以上互變異構體存在；這些形式具有相同分子式，但氫原子位置和鍵結模式不同。因此，互變異構體並非通常意義上的不同化合物，而是同一種化合物可採用的另一種化學排列。
這種差異會影響分子辨識。移動氫原子會改變哪些原子可提供或接受氫鍵，亦可能改變電荷分佈、局部幾何結構及結合所需的能量成本。看似與某種表示方式相容的蛋白質口袋，可能會以不同方式與另一種形式互動。
藥物設計軟件無法忽略這項選擇。對接計算需要明確界定的配體結構；分子動力學需要已指派的原子和鍵結；自由能計算亦由特定化學表示開始。若選定的互變異構體有誤，再高的計算精確度也無法修補最初的錯誤。
歷來可用於解決這個問題的資料有限。根據 NYU 的研究公告，可分辨互變異構體的溶液實驗通常只涵蓋數百種分子。這一規模限制了機器學習系統，尤其當研究人員希望模型能泛化至廣泛化學分子庫時。
Protein Data Bank 亦帶來另一項困難。其蛋白質及蛋白質—配體結構通常透過 X 光晶體學測定，但大分子結構一般沒有足夠解析度可靠定位氫原子。這些原子特別難以觀察，因為氫只有一個電子，對 X 光的散射很弱。
Pan 與同事轉而研究 Cambridge Structural Database。這個資料庫收錄實驗測定的小分子晶體結構，其中許多氫原子位置以更高精度解析。研究人員從中提取超過 110 萬個互變異構狀態。
他們利用這些狀態訓練二維圖神經網絡。圖神經網絡把原子表示為相連節點，化學鍵則表示為連結，讓模型可從分子拓撲中學習化學模式。模型作出預測前毋須三維構象或量子力學能量計算。
經同行評審的 互變異構體研究指出，在涵蓋晶體結構、水溶液基準測試及類藥分子的測試集上，模型的召回率為 0.97，精確率為 0.88。召回率衡量系統找回相關穩定狀態的頻率；精確率則衡量在研究標籤下，其正面預測有多常正確。
這些結果令系統作為篩選及指派工具具備潛力，但不代表它能在所有溶劑、蛋白質口袋或生物環境中提供普遍正確的答案。模型主要從晶體中觀察到的質子位置學習，而真實藥物研發涉及不斷變化的化學條件。
不過，這一規模改變了實際可行的工作方式。過去的實驗資料集太小，無法支援同樣廣泛的覆蓋範圍。團隊把晶體學定位的氫原子位置視為監督訊號，建立了足以支援分子庫規模篩選的訓練集。
這種資料策略是核心突破。架構固然重要，但研究更敏銳的洞見在於：既有科學檔案中藏有顯而易見卻尚未被善用的標籤。團隊毋須產生超過 100 萬項新的實驗室測量，而是圍繞一項被忽視的預測任務，重新整理可用的結構證據。
一個氫原子可重塑藥物與蛋白質的互動
互變異構體指派屬於上游決定，因此一項錯誤可蔓延至對接、評分、模擬及先導化合物選擇。
藥物候選分子必須透過形狀、靜電作用、氫鍵和運動等多項因素的組合，與其標靶互動。互變異構體可以在不改變化合物分子式的情況下改變其中若干因素，令問題容易被低估，亦難以在後期察覺。
設想一個配體，其氫原子可位於兩個氮原子其中之一。在一種形式中，第一個氮原子提供氫鍵，而第二個接受氫鍵；移動氫原子後，這些角色可能對調。蛋白質口袋並沒有改變，但預測的互動網絡已改變。
對接程式通常會將候選配體放入結合位點，並為所得姿勢評分。若輸入的互變異構體提供了錯誤的供體和受體，軟件可能偏好不切實際的方向。它亦可能把較弱的候選分子排在較強者之前，因為兩者的化學表示準備得不一致。
分子動力學加入時間和運動，但不會自動修正每項化學指派。模擬會依循提供的原子、鍵結及力場參數。正如 Zhang 在研究公告中解釋，錯誤的互變異構體可改變預測互動及動力學，因為這些計算需要正確指派的氫原子位置和鍵結。
這正是為何藥物研發中的互變異構體預測不僅是清理工作。它處於依賴鏈的早段，在這裏引入的錯誤可以延續至虛擬篩選結果、自由能估算，以及用於合成的分子選擇。
團隊在 5,075 個可處於多種互變異構狀態的 PDBbind 配體上測試這項憂慮。PDBbind 是連結蛋白質—配體結構與結合資料的精選資料庫。模型標示出 126 個配體指派可能不正確，約佔評估集合的 2.5%。
在每個被標示的個案中，模型提出的替代指派產生了更佳的氫鍵模式，以及更少未被滿足的極性原子。未被滿足的極性原子具備形成有利極性互動的能力，卻在建模環境中缺乏合適夥伴。減少這類不匹配可令結合姿勢在化學上更為可信。
這項結果應審慎解讀。研究人員並未聲稱實驗測定的蛋白質結構有誤，而是指出配體獲指派的化學表示可能值得修訂。原子座標與附加於座標上的正式描述彼此相關，但並不相同。
這個分別十分重要，因為結構資料庫會影響後續模型。研究人員利用已提交的複合物來基準測試對接方法、訓練機器學習系統，以及評估蛋白質—配體預測。因此，即使是小比例值得質疑的互變異構體指派，也可能影響原始記錄以外的內容。
所報告的 126 個個案仍是模型生成的重新指派，而不是 126 項新近確認的實驗修正。更佳的氫鍵模式支持其合理性，但前瞻性實驗將提供更有力證據。中子繞射、高解析度光譜學或其他針對性技術，有時能更直接定位氫原子。
因此，壓力落在計算化學團隊、資料庫管理者，以及 AI 藥物設計系統開發人員身上。他們需要把質子位置視為一項明確的不確定性，而非隱藏的前處理選擇。
單一的整體準確率數字無法解決這個問題。團隊必須知道模型在其化學系列、電荷狀態、官能團和相關環境中能否維持一致表現。他們亦需要在證據模糊時保留替代互變異構體的工作流程。
快速 AI 互變異構體預測為量子優先工作流程帶來壓力
主要競爭在於快速的學習式指派與較慢的物理基礎評估之間，而非兩家藥物研發公司的競爭。
量子力學方法從電子結構估算分子能量。它們提供具原則性的方法比較互變異構體，尤其當研究人員納入溶劑和構象效應時。其限制在於計算成本，特別是在包含數百萬個候選分子的分子庫中。
基於規則的系統則處於較快速的一端。它們利用由專家撰寫的轉換規則、經驗評分及已知化學模式，列舉或排列互變異構體。這些工具實用，但固定規則可能難以處理超出其設計假設所涵蓋的化學範圍。
較早期的機器學習方法提供中間路徑。一些方法使用三維構象或已計算的分子特性，因而帶來額外準備成本；另一些則從規模較小的溶液相資料集學習，限制了化學覆蓋範圍。
NYU Tautomer-Predictor 透過直接從二維拓撲為候選分子評分，改變了這種取捨。作者表示，系統既不需要產生構象，也不需要量子計算。這不代表物理學已過時，但為篩選團隊提供更快的第一輪篩查。
吞吐量測試說明了差異。這套開源工作流程在一個配備 GPU 的節點上，約 3.2 小時內處理了 Enamine 集合約 460 萬種化合物。按報告的運行時間平均計算，接近每秒 400 種化合物。
在這個規模下，AI 互變異構體預測可以置於篩選流程的入口附近。團隊可列舉合理形式、為其排序，再將較小的集合送入對接或較昂貴的能量計算。其後，基於物理的方法可集中處理不確定或高價值的化合物。
這種分層策略比起完全取代量子化學更具可信度。訓練模型提供速度與模式辨識能力，而量子方法則提供細緻的能量處理。在互變異構體指派會直接影響昂貴藥物化學決策時，實驗仍然不可或缺。
該研究的開源程式碼亦降低了測試門檻。研究人員可檢視工作流程、在內部化合物上運行模型，並將其排序與既有的製備程序比較。開放取得很重要，因為可重現性一直是 AI 輔助化學中反覆出現的關注點。
根據已發布的實作，Tautomer-Predictor 採用 AttentiveFP 風格的架構。這類模型會反覆整合相鄰原子與鍵的資訊，從而學習分子的表徵。注意力機制有助網絡在預測期間為局部化學環境賦予不同權重。
這種架構有別於目前在藥物發現領域備受關注的大型生成模型。它不會提出全新的分子、預測蛋白質的完整結構，或生成臨床候選藥物。它執行的是較為狹窄的分類任務，卻可改善那些大型系統的輸入資料。
在這裏，範圍較窄反而是一項優勢。輸出結果對應於可辨識的化學決策，而團隊可將其與實驗結構標籤對照評估。相比聲稱模型已「設計出一種藥物」的端到端說法，該系統亦更清楚呈現不確定性。
同一團隊的相關研究顯示，環境因素為何仍然重要。2025 年的一項研究引入了孿生神經網絡，用於預測水溶液中的互變異構體比例。該溶液相模型聚焦於互變異構體的相對族群，而非根據晶體衍生資料分類其穩定性。
綜合而言，這些項目提出了計算化學的分層發展方向。晶體資料可提供廣泛的結構監督；溶液量測可進一步校正環境行為；量子計算及實驗則可處理環境脈絡改變優先形態的個案。
直接的競爭壓力將落在那些把互變異構體製備視為固定規則引擎或未經檢視預設值的軟件流程上。快速的訓練模型替代方案，令製藥團隊有理由重新基準測試這些預設值。
這亦提高了對其他化學模型的期望。若系統預測結合親和力或生成配體，開發者應披露其如何選擇質子化與互變異構狀態。否則，看似出色的基準成績，可能部分反映分子製備的不一致。
晶體標籤很有價值，但並非生物學
模型最強的資產——其龐大的晶體學資料集——同時界定了其預測結果所能確立內容的主要限制。
晶格並不是水溶液、蛋白質結合口袋，亦不是活細胞。晶體中的分子會與相鄰副本、對離子及堆積力互動。這些條件可能令某種互變異構體比其他環境中的主要狀態更受偏好。
論文的測試集包括水溶液基準及類藥分子，支持其在晶體以外具備一定的轉移能力。其報告的精確率與召回率在這些類別中均令人鼓舞。不過，整體表現並不保證模型會在每個骨架或化學環境中都表現正確。
蛋白質口袋會形成特別複雜的條件。局部靜電作用、埋藏水分子、金屬離子、鄰近殘基及構象變化，都可能改變互變異構體的偏好。結合甚至可穩定一種在溶液狀態中含量較低的互變異構體，只要該形態能形成有利互動。
模型亦是從二維拓撲結構出發。這種設計可帶來速度，但在初步排序時省略了部分三維脈絡。當兩種互變異構形式的固有穩定性相近時，缺乏蛋白質環境尤其值得注意。
因此，126 項 PDBbind 重新指派應被視為具高價值的覆核候選項目。更佳的氫鍵及更少未滿足的極性原子，確實支持替代表示方式；但它們並不能獨立確立每個實驗複合體中實際存在的是哪一種互變異構體。
資料集建構亦帶來更多問題。晶體學記錄並非沒有整理錯誤、無序、氫原子位置不確定，或偏向容易成功結晶的分子。模型可以學到有用的化學模式，同時亦可能承襲來源資料庫的系統性特徵。
0.88 的精確率亦意味着，在報告的評估條件下，誤報預測仍是預期輸出的一部分。這一水平可適用於篩選，讓模型協助優先處理各種可能性；但不適合把每一個排名最高的互變異構體視為既定事實。
因此，藥物開發者應保留溯源資料。下游結果應記錄列舉了哪些互變異構體、如何評分、採用了甚麼截斷值，以及蛋白質脈絡是否改變排序。沒有這條軌跡，該工具便有可能將明確的化學不確定性，轉化成另一個看不見的預設值。
外部驗證將十分重要。獨立團隊需要在專有藥物化學系列、前瞻性實驗，以及具有非常規結合位點環境的靶點上，對模型進行基準測試。比較應包括常見的商業製備工具、開源規則、量子計算及專家審閱。
該模型的發布，亦正值 AI 藥物發現受到更廣泛審視之際。系統可以在回溯性基準測試中表現出色，卻在新化學或真實實驗終點上失去準確度。一項 2026 年對分子生成方法的評估發現，不同架構各有優勢，且沒有任何方法能持續優化每一項準則。
這個更廣泛的模式強化了 NYU 系統應有的定位。它可以加強分子製備並捕捉可疑指派；但無法判定療效、毒性、選擇性、藥物動力學或臨床成功。
即使「穩定」一詞也需要脈絡。分子可在平衡中存在多種互變異構狀態，而其相對族群會隨溶劑、溫度、pH 值或結合夥伴而改變。選擇最可能狀態的分類器，簡化了一個仍可能具有化學意義的分佈。
正確的回應不是因為生物學很複雜便否定模型，而是在其證據最強之處使用模型，並將不確定個案升級處理。當圖書館規模的速度配合清晰的高保真驗證途徑時，便最具價值。
這種做法亦有助避免一種常見的 AI 失效模式。自動化可能只因答案來得快，便使其看似已成定論。在化學中，快速輸出應增加被檢驗的假設數量，而不是減少驗證重要結果時應有的審慎。
下一輪測試將決定它在藥物發現中的角色
以下三項訊號將顯示，AI 互變異構體預測會成為標準基礎設施，還是仍只是一項前景可觀的研究工具。
第一項訊號是獨立的前瞻性驗證。研究人員應在實驗前選定分子、預測其偏好的互變異構體，然後在受控條件下量測相關狀態。新化合物上的成功，將比與現有資料庫的回溯性一致性提供更有力的證據。
這類測試應涵蓋晶體、水溶液及蛋白質結合環境。在一種環境下的一致性，並不保證在另一種環境下亦然。報告置信度及替代狀態，亦可揭示模型是否知道個案何時存在歧義。
若前瞻性研究確認模型在多樣化化學條件下的最高排名預測，將加強其可供日常使用的理據。若反覆出現與特定官能基或環境相關的失敗，則會收窄模型的實際適用範圍。無論哪一種結果，都會改善部署決策。
第二項訊號是其在製備及篩選流程中的採用情況。報告所指能在 3.2 小時內處理 460 萬種化合物，令整合在技術上可行。更重要的問題是，模型是否會改變決策。
團隊應量度它有多常改變對接構象、結合排序、自由能結果或候選物選擇。預處理工具只有在其修正指派能改善下游結果或避免浪費計算資源時，才能帶來價值。
與既有化學平台整合，亦將顯示其成熟度。有用的實作需要可靠的互變異構體列舉、分子標準化、批次處理、錯誤處理及可重現輸出。單靠一個模型檢查點，並不能建立生產基礎設施。
公開的預測工作流程為研究人員提供起點。它的影響力將取決於獨立測試、維護、文件，以及與藥物化學家已在使用的軟件是否相容。
第三項訊號是資料庫修正及整理。模型標記了約 2.5% 的已評估 PDBbind 配體，形成一組可供專家覆核的具體項目。若資料整理人員及結構化學家確認其中相當部分，該研究便會揭示廣泛重用研究資料中一項可修正的弱點。
經確認的修訂將不只影響那 126 個複合體。蛋白質—配體資料庫支援整個計算藥物發現領域的基準測試與模型訓練。更佳的化學指派可改善日後建立於相同記錄之上的系統質素。
若審閱者否決大部分建議修改，便會削弱模型能從晶體衍生標籤轉移至蛋白質環境的說法。因此，這項測試格外清晰。作者已提出具體預測，供專家深入調查。
更廣泛的教訓已超越互變異構現象。AI 系統依賴科學家如何編碼分子、蛋白質、分析方法及實驗條件。更強大的架構無法彌補這些表示方法中的每一種模糊之處。
NYU Tautomer-Predictor 令其中一種模糊性浮現。它顯示實驗圖譜中缺失的一個氫原子，如何影響一長串計算結論；亦顯示經整理的科學資料如何令這個問題可在大規模下處理。
對開發者而言，實際問題是其模型將互變異構體選擇視為資料、不確定性，還是不被察覺的預設值。對製藥團隊而言，問題則是低成本 AI 分流能否減少由可疑結構出發、卻耗資高昂的計算數量。
對於評估 AI 互變異構體預測的研究人員，下一步很具體：將系統與既有的分子製備工作流程並行運行、保留相互競爭的狀態，並檢查每一項涉及高價值候選物的分歧。NYU 模型提供速度及龐大的實驗訓練基礎。前瞻性量測現在必須確立這項優勢在哪些情況下成立、環境脈絡在哪些情況下會改變答案，以及更佳的互變異構體指派是否能帶來更佳的藥物發現決策。
