大多数虚拟筛选论文卖给你的是一串分数：ROC-AUC、富集因子、docking 排名。BoltzMol-1 卖的是更难造假的东西——实验回执。Boltz-2 背后的团队把蛋白–小分子共折叠模型改造成一条前瞻性筛选管线，在 10 个多样化靶点上每个只采购并测试 28–96 个化合物，其中 6 个靶点拿到了 binder 或功能活性分子。成功的度量从「模型排得多高」变成了「我们真买回来测的化合物里有多少有效」。
从 benchmark 分数到前瞻性命中率
回顾性 benchmark 必要但不充分。模型在已知数据切分上表现好，不等于面对新靶点、真实商业库和有限预算时能找到可验证分子。传统 HTS 真实但昂贵，命中率常只有 0.01–0.14%；经典 docking 可扩展但排序不稳，在 GPCR 变构口袋、蛋白–蛋白界面、电压感受域等体系上尤其吃力。BoltzMol-1 的答案不是把筛选做得更大，而是把流程收得更紧：用模型缩小候选空间，用药化与 ADMET 规则滤掉不值得测的分子，最后只买几十个化合物进实验。
七步流程：从序列到采购清单
- 定义靶点：蛋白序列、chain ID，必要时指定口袋残基或参考配体。
- 准备候选库：来自 WuXi 现货库、Enamine REAL 等可购买/可合成空间。
- 药化预过滤：PAINS、反应性基团、极端性质。
- virtual PAINS 排除：去掉模型跨靶点反复打高分的干扰分子。
- Boltz-2 共折叠打分：输出结构、亲和力与结合置信度。
- composite score 排序：把多个模型信号组合成排序分数。
- ADMET triage 与采购：用 logS、logD、Caco-2 预测结合预算选 top N。
固定可枚举库直接全量评分排序；像 Enamine REAL 这种超大组合空间则切换为生成式主动学习，迭代搜索高分区域。
Virtual PAINS：给模型自己做的 counter-screen
传统 PAINS 是实验假阳性的来源——聚集、反应性、荧光干扰。BoltzMol-1 提出模型侧的对应物：某些分子会被 Boltz-2 在多个无关靶点上一律打高分，不是因为它什么都结合，而是它踩中了模型的评分偏好。团队在 held-out 靶点集合上聚合分数，把那些「无论靶点是谁都名列前茅」的分子及其近邻从筛选中剔除。这是把 counter-screen 思维搬进排序阶段：一个对什么靶点都好的分子，可能恰恰是模型盲区的探针。
采购之前先过 ADMET
每个靶点只有几十个化合物的预算，每一个采购名额都珍贵。BoltzMol-1 把可开发性提前到 hit 选择阶段：logS 用高/低分类而不是脆弱的连续值，便于高置信度剔除；logD 与 Caco-2 渗透性输出连续预测。模型基于 ChEMBL 和 GOSTAR 训练，并专门处理了近邻泄漏——不仅看全分子相似度，还检查 matched molecular pair。前瞻性验证中，预测 logD 与实验 r=0.91；低溶解度 bin 正确识别 34 个中的 29 个且零误判；Caco-2 加入外排抑制剂后 r=0.65。模型自己也承认识别 efflux substrate 仍不可靠——这是 triage 级工具，不是完整 DMPK。
实验结果：10 个靶点中 6 个命中
- GLP-2R（无小分子共晶结构的 B 类 GPCR）：51 个化合物筛出 12 个功能拮抗剂，IC50 0.07–24 µM，筛选时未预设功能偏置。
- MRGPRX2（浅表溶剂暴露型 GPCR）：38 个化合物得到 10 个激动剂 + 3 个拮抗剂。
- ROR1（假激酶）：34 个化合物经 SPR/MST/nanoDSF 三重验证，确认 binder 的 SPR KD 5.13 µM。
- LC3B/GABARAP（PPI 表面）：Enamine REAL 空间 28 个化合物，3 个肽竞争抑制剂，IC50 15–40 µM。
- PknB（结核激酶）：96 个化合物 16 个 actives，IC50 23.2–399 µM——命中率高但 potency 偏弱。
- STAT6（SH2 结构域）：37 个化合物 1 个 binder，KD 30.3 µM，p38 counter-screen 排除非特异。
结论不是「模型解决了虚拟筛选」，而是：在低预算下，模型+过滤+采购的流程能在困难的靶点类别上稳定产出真实可测的起点；同时功能模式（激动/拮抗）仍然是实验读出，不是模型预测。
四个失败靶点教的事
mGlu4 PAM、AMY3、MALT1、Nav1.8 全部落空——这本身就是信息。Nav1.8 的教训最清晰：训练数据里 Nav 家族序列覆盖很强，但目标是 VSD2 变构位点，已知小分子结构多集中在 pore domain——序列相似不等于位点机制相似。mGlu4 PAM 依赖细微构象状态；AMY3 是多亚基受体复合体；MALT1 明明已知配体丰富却失败，提醒我们 in-distribution 经验不保证新 chemotype，商业库的化学偏置也可能让靶点无米下锅。靶点设置——构象、位点定义、复合体组装——有时比模型本身更关键。
为什么这是产业信号
这篇论文是路标而不是终点。AI 制药的评价标准正在从 benchmark 排行榜转向前瞻性命中率：每靶点测了多少化合物、命中率多少、命中是否可采购可优化、一个确认 hit 的成本是多少。这与更大的趋势同向——AI 科研工具正从单点打分器变成完整工作流，从开源科研智能体到自组织的 AI 系统都在走这条路。此前我们报道过的 AI 生物学家 XunZi 锁定帕金森新靶点，同样是把模型放进真实实验闭环的例证。实际含义：没有 HTS 预算的小团队获得了更低的 hit discovery 门槛；即便微摩尔级 binder，也能作为共晶或 cryo-EM 的结构生物学起点。药化与结构生物学不会被取代，只是被前置。
接下来该怎么做
- 评估筛选模型时，索要前瞻数据而不是只看 AUC：每靶点预算、命中率、正交实验、counter-screen。
- ADMET triage 放在采购之前，而不是结合之后。
- 把功能模式当实验来做：GPCR、离子通道类靶点配合状态选择性或功能读出。
- 给自己的管线加一道 virtual PAINS 步骤——跨靶点分数聚合很便宜，能滤掉模型偏置。
- 跟踪「每个确认 hit 的成本」和「从序列到实验结果的时间」，这才是真正会进步的数字。
同样要读局限性：composite score 权重未完全公开、缺少与强 docking 流程同预算的正面比较、多数命中仍是微摩尔级 early hit。这种透明本身，就是领域成熟的信号。
