虚拟筛选可以解决什么问题
虚拟筛选并不是把输入交给单一软件后返回一个分数，而是围绕“怎样在控制计算成本的同时提高候选多样性与可解释性？”设计一条可复核的分析路径。项目会先判断输入质量、比较对象和证据用途，再选择与问题匹配的方法层级。
实际工作以化学库标准化与去冗余、药效团、相似性与结构筛选、共识排序与聚类选样为主要技术环节，并把目标或参考配体、供应商或自有化合物库、筛选约束与筛选漏斗记录、结构多样的候选集合、采购与验证建议建立明确对应。结果报告会同时说明支持证据、冲突信号、参数依赖和下一步验证条件。
怎样在控制计算成本的同时提高候选多样性与可解释性？
适合这些研究场景
- 已经明确研究对象，希望回答“怎样在控制计算成本的同时提高候选多样性与可解释性？”的课题
- 需要在化学库标准化与去冗余与药效团、相似性与结构筛选之间建立一致比较和质量控制的研究
- 希望获得筛选漏斗记录、结构多样的候选集合、采购与验证建议并保留完整复现记录的团队
可开展的具体分析
化学库标准化与去冗余
围绕目标或参考配体开展化学库标准化与去冗余，形成筛选漏斗记录。首先检查目标或参考配体是否足以支撑后续分析。
药效团、相似性与结构筛选
围绕供应商或自有化合物库开展药效团、相似性与结构筛选，形成结构多样的候选集合。与前后步骤采用一致对象、条件和命名，便于比较与复核。
共识排序与聚类选样
围绕筛选约束开展共识排序与聚类选样，形成采购与验证建议。与前后步骤采用一致对象、条件和命名，便于比较与复核。
根据研究问题选择方法层级
| 方法 | 适合回答 | 需要注意 |
|---|---|---|
| 化学库标准化与去冗余 | 建立虚拟筛选的输入基线和初始候选空间 | 虚拟筛选的输入状态、结构或数据定义错误会传递到全部后续步骤 |
| 药效团、相似性与结构筛选 | 比较虚拟筛选中的候选状态、特征或机制并形成优先级 | 虚拟筛选的比较必须使用一致条件，不能把原始分数直接当作实验量 |
| 共识排序与聚类选样 | 复核虚拟筛选的关键结果、解释差异和记录不确定性 | 排序性能取决于结构质量、采样和评分函数，需通过实验确认命中。 |
从问题定义到可复现交付
明确研究问题
围绕“怎样在控制计算成本的同时提高候选多样性与可解释性？”确认主要比较对象、决策用途、实验背景和本次计算能够支持的证据强度。
审查并整理输入
核对目标或参考配体、供应商或自有化合物库、筛选约束，处理结构、命名、单位、批次或微观状态问题，并登记仍需假设的缺失信息。
设计方法与对照
组合化学库标准化与去冗余、药效团、相似性与结构筛选、共识排序与聚类选样，为关键结论安排对照、重复、参数敏感性或独立证据，先写明判断标准再执行计算。
计算与质量控制
虚拟筛选按可复现环境执行化学库标准化与去冗余等任务，保存输入、版本、参数、日志和中间结果；发现收敛、采样、数据质量或模型适用域问题时单独标记。
解释与交付
围绕筛选漏斗记录、结构多样的候选集合、采购与验证建议组织结果，区分直接观察、模型推断和工作假设，并给出适合下一步实验或补充计算的优先级。
开始前需要什么，完成后得到什么
需要的输入
- 目标或参考配体
- 供应商或自有化合物库
- 筛选约束
可选补充资料
- 已知阳性、阴性或参考体系，用于判断虚拟筛选结果是否符合基本预期
- 与虚拟筛选相关的重复实验、外部数据库或文献证据，用于交叉复核关键解释
- 虚拟筛选项目的时间、算力、软件兼容或交付格式限制
交付内容
- 筛选漏斗记录
- 结构多样的候选集合
- 采购与验证建议
质量控制与解释边界
判断结果是否可靠
- 虚拟筛选：化学结构、靶点状态与测定条件标准化
- 虚拟筛选：已知活性物、诱饵集或简单基线复核
- 虚拟筛选：适用域、评分一致性与不确定性记录
- 虚拟筛选：候选多样性、可合成性和实验可验证性检查
不能越过的边界
- 排序性能取决于结构质量、采样和评分函数，需通过实验确认命中。
- 虚拟筛选的结果只在所记录的输入、参数、模型和采样范围内成立。对输入状态、比较条件或项目目标的改变，可能需要重新计算而不能直接沿用原结论。
常见项目进入方式
从单一对象到可比较候选
当课题已有目标或参考配体，但缺少统一判断标准时，先建立基线和对照，再用化学库标准化与去冗余、药效团、相似性与结构筛选、共识排序与聚类选样形成候选分层，交付筛选漏斗记录和关键差异说明。
对已有结果进行独立复核
当虚拟筛选相关的实验或计算结果存在冲突时，回到目标或参考配体及分析假设，围绕化学库标准化与去冗余增加必要的重复、敏感性和替代模型，判断差异来自真实信号还是方法条件。
开始项目前常见的问题
虚拟筛选开始前必须准备哪些资料？
至少需要目标或参考配体、供应商或自有化合物库、筛选约束。如果信息不完整，可以先做输入审计，明确哪些缺失会改变方法选择，哪些能够通过合理假设处理；未经确认的假设会在方案和报告中单独列出。
结果能否直接证明“怎样在控制计算成本的同时提高候选多样性与可解释性？”？
不能把单一模型输出当作实验事实。排序性能取决于结构质量、采样和评分函数，需通过实验确认命中。 页面所列质量控制用于判断结果是否足以形成优先级或机制假设，关键结论仍应由适当实验或独立数据复核。
最终会收到哪些可继续使用的文件？
交付通常包括筛选漏斗记录、结构多样的候选集合、采购与验证建议，并附输入整理记录、主要参数、软件与数据库版本、质量控制结果、可编辑表图和限制说明。具体原始文件类型会按项目方案确认。