NYU Tautomer-Predictor 揭示 AI 药物发现中的隐性弱点
纽约大学研究人员使用超过 110 万个分子状态训练 NYU Tautomer-Predictor，旨在解决一种影响药物发现全过程的细微化学歧义。该模型无需先进行成本高昂的量子计算，即可预测类药分子中氢原子的位置。这一点至关重要，因为只移动一个氢原子，就可能改变候选化合物与蛋白质结合时的表现。
这一开源系统针对的是互变异构现象：分子会随着氢原子迁移和化学键重排，在彼此高度相近的形态之间切换。研究人员往往必须在开始对接、虚拟筛选或分子动力学模拟前选择其中一种形态。若选错形态，后续每一步计算都可能发生偏差。
更深层的故事并不只是 AI 又学会了一项化学任务，而是许多成熟的药物设计流程仍依赖一项基础分子判定，而实验结构并不能可靠地揭示它。AlphaFold 风格的结构模型、对接软件和生成式系统都能给出精细预测，但这些预测仍可能因错误的化学输入而失准。
NYU Tautomer-Predictor 将晶体数据转化为筛选工具
NYU 团队将一批过去被忽视的、经实验定位的氢原子档案转化为训练数据，用于大规模 AI 互变异构体预测。
这项研究于 2026 年 9 月 23 日发表于 Chemical Science，由第一作者 Xiaolin Pan 和资深作者 Yingkai Zhang 领衔。Chao Han 和 Fengyang Han 也参与了研究。四位研究人员均隶属于纽约大学化学系，Zhang 同时还是 Simons Center for Computational Physical Chemistry 的成员。
他们瞄准的是计算化学中的一个长期难题。许多类药分子可存在两种或更多种互变异构体，它们具有相同的分子式，但氢原子位置和成键模式不同。因此，互变异构体通常并不意味着一种不同的化合物，而是同一种化合物可采用的另一种化学排列。
这种差异会影响分子识别。氢原子的移动会改变哪些原子能够提供或接受氢键，也会改变电荷分布、局部几何构型以及结合的能量代价。一个看似与某种表示形式相容的蛋白质口袋，可能会与另一种形式产生不同的相互作用。
药物设计软件无法忽略这一选择。对接计算需要明确的配体结构；分子动力学需要已指定的原子和化学键；自由能计算同样从某一特定化学表示开始。如果选定的互变异构体错误，再高的计算精度也无法弥补最初的失误。
解决这一问题所需的数据长期以来都很有限。根据 NYU 的研究公告，能够区分互变异构体的溶液实验通常仅覆盖数百种分子。这一规模限制了机器学习系统，尤其是在研究人员希望模型能泛化至广泛化学库时。
Protein Data Bank 也存在另一项困难。其蛋白质及蛋白质-配体结构通常通过 X 射线晶体学测定，但大分子结构的分辨率通常不足以可靠定位氢原子。氢原子尤其难以观测，因为氢仅含一个电子，对 X 射线的散射很弱。
Pan 及其同事转而研究 Cambridge Structural Database。该数据库收录了经实验测定的小分子晶体结构，其中许多结构以更高精度解析了氢原子位置。研究人员从这些材料中提取了超过 110 万个互变异构状态。
他们利用这些状态训练了一个二维图神经网络。图神经网络将原子表示为相互连接的节点，将化学键表示为它们之间的连线，使模型能够从分子拓扑中学习化学模式。该模型在作出预测前不需要三维构象，也不需要量子力学能量计算。
经同行评审的互变异构体研究报告称，在覆盖晶体结构、水溶液基准测试及类药分子的测试集上，模型的召回率为 0.97，精确率为 0.88。召回率衡量系统检索出相关稳定状态的频率；精确率衡量其正向预测在研究标签下正确的频率。
这些结果表明，该系统有望成为筛选和结构指派工具。但这并不意味着它能在每一种溶剂、蛋白质口袋或生物环境中给出普遍正确的答案。模型主要从晶体中观察到的质子位置学习，而真实药物发现涉及不断变化的化学条件。
不过，这一规模改变了实际可行的操作方式。早期实验数据集规模过小，无法支持同等广度的应用。通过将晶体学解析的氢原子位置作为监督信号，团队构建了一个足以支持库级筛选的大型训练集。
这一数据策略是核心进展。模型架构固然重要，但研究更敏锐的洞见在于：现有科学档案中隐藏着显而易见却尚未被利用的有效标签。团队无需生成超过 100 万项新的实验室测量数据，而是围绕一项被忽视的预测任务，重新组织了现有结构证据。
一个氢原子即可重塑药物-蛋白质相互作用
互变异构体指派是一项上游决策，因此其中的错误会扩散至对接、评分、模拟和先导化合物选择。
药物候选物通过形状、静电作用、氢键和运动等多种因素与靶点发生相互作用。互变异构体无需改变化合物的分子式，就能改变其中若干因素。这使得该问题容易被低估，也很难在后续阶段发现。
设想一种配体，其氢原子可位于两个氮原子中的任意一个。在一种形式中，第一个氮原子提供氢键，第二个则接受氢键。移动氢原子可能会使这两种角色互换。蛋白质口袋并未改变，但预测的相互作用网络已经改变。
对接程序通常将候选配体放入结合位点，并为所得构象评分。如果输入的互变异构体提供了错误的供体和受体，软件可能偏好一种不现实的取向。它还可能因化学表示准备不一致，而将较弱候选物排在较强候选物之前。
分子动力学引入了时间和运动，但不会自动纠正每一项化学指派。模拟会遵循所提供的原子、化学键和力场参数。正如 Zhang 在研究公告中解释的那样，错误的互变异构体会改变预测的相互作用和动力学，因为这些计算要求正确指定氢原子位置和成键关系。
这正是为什么药物发现中的互变异构体预测不仅是一项清理工作。它处于一条依赖链的前端。在这一环节引入的错误，可能延续至虚拟筛选结果、自由能估算以及待合成分子的选择中。
团队在 5,075 个可占据多种互变异构状态的 PDBbind 配体上测试了这一问题。PDBbind 是一个将蛋白质-配体结构与结合数据相连接的精选数据库。模型标记出 126 个配体指派可能有误，约占评估集的 2.5%。
对于每一个被标记的案例，模型的替代指派都产生了更优的氢键模式，以及更少未满足的极性原子。未满足的极性原子指能够形成有利极性相互作用、但在建模环境中缺乏合适相互作用伙伴的原子。减少这类不匹配可使结合构象在化学上更为合理。
这一结果应谨慎解读。研究人员并未声称经实验测定的蛋白质结构有误。他们认为，配体所采用的化学表示可能值得修订。原子坐标与附加在这些坐标上的形式化描述彼此相关，但并不相同。
这一区别之所以重要，是因为结构数据库会影响后续模型。研究人员利用已存储的复合物来基准测试对接方法、训练机器学习系统，并评估蛋白质-配体预测。因此，即使存在比例不高但值得怀疑的互变异构体指派，也可能影响的不只是原始记录。
报告中的 126 个案例仍是模型生成的重新指派，而非 126 项新近确认的实验修正。改进后的氢键模式支持其合理性，但前瞻性实验能够提供更强证据。中子衍射、高分辨率光谱学或其他定向技术，有时可更直接地定位氢原子。
因此，压力落在计算化学团队、数据库管理员以及 AI 药物设计系统开发者身上。他们需要将质子位置视为一项明确的不确定性，而不是一种隐藏的预处理选择。
单一的总体准确率数字无法解决这一问题。团队必须了解模型在其化学系列、电荷状态、官能团和相关环境中是否表现稳定。他们还需要建立流程，以便在证据模糊时保留替代互变异构体。
快速 AI 互变异构体预测对量子优先工作流形成压力
核心竞争是在快速的学习式指派与较慢的物理基础评估之间，而不是两家药物发现公司之间的竞争。
量子力学方法根据电子结构估算分子能量。它们为比较互变异构体提供了有原则的方法，尤其是在研究人员考虑溶剂和构象效应时。其局限在于计算成本，特别是在包含数百万候选物的化合物库中。
基于规则的系统处于这一谱系中较快的一端。它们利用专家编写的转换规则、经验评分和已知化学模式来枚举或排序互变异构体。这些工具很实用，但固定规则可能难以应对超出其设计假设所涵盖范围的化学问题。
早期机器学习方法开辟了中间路径。其中一些方法使用三维构象或计算得到的分子性质，由此引入额外的准备成本；另一些则从规模较小的溶液相数据集中学习，限制了化学覆盖范围。
NYU Tautomer-Predictor 通过直接从二维拓扑为候选物评分，改变了这一权衡。作者表示，它既不需要构象生成，也不需要量子计算。这并不意味着物理方法已经过时，但它为筛选团队提供了更快的第一轮筛查。
吞吐量测试说明了这种差异。该开源工作流在一个配备 GPU 的节点上，约 3.2 小时内处理了 Enamine 集合中的约 460 万种化合物。按报告中的运行时间平均计算，这接近每秒 400 种化合物。
在这一规模下，AI 互变异构体预测可以置于筛选流程的入口附近。团队可以枚举可能的形态、对其排序，再将较小的集合送入对接或成本更高的能量计算。随后，基于物理的方法可集中用于不确定性较高或价值较高的化合物。
这种分层策略比彻底取代量子化学更具可信度。学习模型提供速度和模式识别能力，而量子方法则提供细致的能量学处理。当互变异构体判定会直接影响高成本的药物化学决策时，实验仍然必不可少。
该研究的开源代码也降低了测试门槛。研究人员可以检查工作流程，在内部化合物上运行模型，并将其排名与既有的制备流程进行比较。开放可用性很重要，因为可重复性一直是 AI 辅助化学中反复出现的关注点。
根据发布的实现，Tautomer-Predictor 使用了 AttentiveFP 风格的架构。该模型家族通过反复整合相邻原子和键的信息来学习分子表征。注意力机制帮助网络在预测过程中对局部化学环境赋予不同权重。
这一架构不同于目前在药物发现领域备受关注的大型生成式模型。它不会提出一种全新的分子、预测蛋白质的完整结构，或生成临床候选物。它执行的是更为聚焦的分类任务，可改善这些更大系统的输入质量。
在这里，聚焦反而是一种优势。输出对应于可识别的化学决策，团队也能将其与实验结构标签进行评估。与宣称模型已“设计出药物”的端到端说法相比，该系统也更清晰地揭示了不确定性。
同一研究团队的相关工作表明，环境因素依然重要。2025 年的一项研究引入了孪生神经网络，用于预测水溶液中的互变异构体比例。该溶液相模型关注的是相对互变异构体丰度，而非基于晶体衍生数据对稳定性进行分类。
综合来看，这些项目揭示了计算化学的分层发展方向。晶体数据可提供广泛的结构监督；溶液测量可细化环境行为；量子计算和实验则可解决环境改变优选形态的情况。
直接的竞争压力将落在那些把互变异构体制备视为固定规则引擎或未经审视的默认设置的软件流程上。快速的学习型替代方案让制药团队有理由重新评估这些默认设置。
它也提高了对其他化学模型的要求。如果一个系统预测结合亲和力或生成配体，开发者应披露其如何选择质子化状态和互变异构体状态。否则，出色的基准测试结果可能部分反映了不一致的分子制备。
晶体标签很有价值，但并不等同于生物学
该模型最强的资产——庞大的晶体学数据集——也界定了其预测结果所能证明内容的主要边界。
晶格不是水溶液、蛋白质结合口袋或活细胞。晶体中的分子会与相邻副本、对离子和堆积力相互作用。这些条件可能有利于某种互变异构体，而该形态与其他环境中的主导状态不同。
论文的测试集包含水溶液基准测试和类药分子，支持其在晶体之外具有一定迁移能力。其报告的精确率和召回率在这些类别中均令人鼓舞。不过，整体性能并不保证模型能在每一种骨架或化学环境中都表现正确。
蛋白质口袋会形成尤为复杂的条件。局部静电作用、埋藏水分子、金属离子、邻近残基以及构象变化都可能改变互变异构体偏好。结合甚至可能稳定一种在溶液状态下丰度较低的互变异构体，只要该形态能形成有利的相互作用。
该模型也仅依据二维拓扑结构工作。这种设计带来了速度，但在初始排序过程中忽略了部分三维背景。当两种互变异构形式具有相近的内在稳定性时，缺少蛋白质环境尤其值得关注。
因此，这 126 项 PDBbind 重新指派应被视为高价值的审查候选项。更优的氢键和更少未满足的极性原子增强了替代表征的合理性，但并不能独立确定哪一种互变异构体实际存在于每个实验复合物中。
数据集构建还带来了更多问题。晶体学记录并非没有整理错误、无序性、不确定的氢原子定位，或对成功结晶分子的偏倚。该模型可以学习有用的化学模式，同时也可能继承源数据库的系统性特征。
精确率为 0.88 也意味着，在所报告的评估条件下，假阳性预测仍是预期输出的一部分。对于筛选而言，这一水平可能可以接受，因为模型有助于确定优先研究对象。但若将每一个排名最高的互变异构体都视为既定事实，则并不合适。
因此，药物开发者应保留溯源信息。下游结果应记录枚举了哪些互变异构体、如何评分、采用了何种阈值，以及蛋白质背景是否改变了排序。没有这条记录链，该工具就有可能将明确的化学不确定性转化为另一个不可见的默认设置。
外部验证将十分重要。独立团队需要在专有药物化学系列、前瞻性实验以及具有非典型结合位点环境的靶标上对模型进行基准测试。比较应纳入常见的商业制备工具、开源规则、量子计算和专家审查。
该模型的发布也正值 AI 药物发现受到更广泛审视之际。系统可能在回顾性基准测试中表现出色，却在新化学体系或真实实验终点上失去准确性。2026 年一项对分子生成方法的评估发现，不同架构各有优势，没有任何一种方法能始终如一地优化所有标准。
这一更广泛的模式进一步明确了 NYU 系统的适当角色。它可以强化分子制备流程并发现可疑的指派，但无法判定疗效、毒性、选择性、药代动力学或临床成功。
就连“稳定”一词也需要结合语境理解。一个分子可以在平衡中处于多种互变异构状态，其相对丰度会随溶剂、温度、pH 值或结合伙伴而变化。选择最可能状态的分类器简化了这种分布，而这种分布本身可能仍具有化学意义。
正确的回应并不是因为生物学复杂就否定该模型，而是在其证据最强的场景中使用它，并将不确定的案例升级处理。当文库规模的速度与通往更高保真验证的清晰路径相结合时，其价值最大。
这种方法也有助于避免 AI 的一种常见失效模式。自动化可能仅仅因为答案来得快，就让它看起来像最终结论。在化学领域，快速输出应增加被检验的假设数量，而不是降低验证重要结论时应有的严谨程度。
接下来的测试将决定它在药物发现中的角色
三项信号将表明，AI 互变异构体预测会成为标准基础设施，还是仍停留在前景可观的研究工具阶段。
第一项信号是独立的前瞻性验证。研究人员应在实验前选择分子，预测其优选互变异构体，然后在受控条件下测量相关状态。新化合物上的成功表现，将提供比与现有数据库回顾性一致更有力的证据。
这类测试应涵盖晶体、水溶液和蛋白质结合环境。在一种环境中的一致性并不保证在另一种环境中也一致。报告置信度和替代状态，也能揭示模型是否知道某个案例存在歧义。
一项前瞻性研究若能证实该模型在多样化化学体系中排名最高的预测，将强化其常规使用的理由。若反复出现与特定官能团或环境相关的失败，则会缩小模型的实际适用范围。无论哪种结果，都会改善部署决策。
第二项信号是在制备和筛选流程中的采用情况。报告显示，该模型可在 3.2 小时内处理 460 万种化合物，这使集成在技术上具备可行性。更重要的问题是，该模型是否会改变决策。
团队应衡量它多频繁地改变对接构象、结合排名、自由能结果或候选物选择。预处理工具只有在其修正后的指派改善下游结果或避免浪费计算资源时，才能体现价值。
与成熟化学平台的集成也将表明其成熟度。实用的实现需要可靠的互变异构体枚举、分子标准化、批量处理、错误处理和可重复输出。仅有模型检查点并不能构成生产级基础设施。
公开的预测工作流程为研究人员提供了起点。其影响将取决于独立测试、维护、文档以及与药物化学家已在使用的软件的兼容性。
第三项信号是数据库校正与整理。该模型标记了约 2.5% 的已评估 PDBbind 配体，为专家审查提供了一组具体对象。如果整理人员和结构化学家确认其中有相当一部分，该研究将识别出被广泛复用的研究数据中一项可纠正的弱点。
经确认的修订将影响远不止这 126 个复合物。蛋白质-配体数据库支撑着整个计算药物发现领域的基准测试和模型训练。更好的化学指派可提升基于同一记录构建的未来系统的质量。
如果审查者否决了大多数建议的变更，这将削弱关于模型能够从晶体衍生标签迁移至蛋白质环境的主张。因此，这项测试异常明确：作者已提出了可由专家深入研究的具体预测。
更广泛的启示早已超越互变异构现象。AI 系统依赖于科学家如何编码分子、蛋白质、测定方法和实验条件。更强大的架构无法弥补这些表征中的所有歧义。
NYU 的 Tautomer-Predictor 让其中一种歧义浮出水面。它表明，实验图谱中缺失的一个氢原子，可以影响一长串计算结论。它也表明，经过整理的科学数据能够让这一问题以规模化方式得到处理。
对开发者而言，实际问题在于其模型是将互变异构体选择视为数据、不确定性，还是一个未被察觉的默认设置。对制药团队而言，问题在于低成本的 AI 分流能否减少基于可疑结构启动的高成本计算数量。
对于评估 AI 互变异构体预测的研究人员而言，下一步很具体：将该系统与现有分子制备流程并行运行，保留相互竞争的状态，并检查每一项涉及高价值候选物的分歧。NYU 模型提供了速度和坚实的实验训练基础。前瞻性测量现在必须确定这种优势在哪些场景中成立、环境背景会在哪些情况下改变答案，以及更好的互变异构体指派是否会带来更好的药物发现决策。
