2026年11月7日
模型设计出候选分子只是药物研发的开头。更漫长、昂贵的工作接着发生：合成化合物、做实验、确定活性、毒性、代谢性质，再决定是继续优化还是及时放弃。11月6日，美国公司Inductive公布OpenADMET CYP Direct Inhibition Blind Challenge成绩，旗下Beacon预测模型在超过270支符合资格的团队中获得第一。此次任务涉及750种化合物、四种主要细胞色素P450酶，比赛过程中真实实验值对参赛者保密。这场比赛值得细读的是选题、盲测规则，以及实验数据怎样改变筛选决策。[1]
CYP抑制预测有可测量的答案
新药候选化合物进入人体后，需要经过吸收、分布、代谢和排泄等过程，业内常把这些性质称为ADME。细胞色素P450酶家族参与大量小分子药物代谢，一种候选药物若对某些酶产生显著抑制，可能改变患者同时服用的其他药物的代谢速度，引发药物间相互作用风险。CYP3A4、CYP2D6、CYP2C9、CYP1A2是常见研究对象。研发团队在筛选化合物时希望尽早识别这类风险，避免等到投入大量合成、药理实验后才发现候选物难以继续开发。CYP抑制能力可以通过实验测得，模型任务则是根据已有化学信息预测尚未测试的分子的抑制强度。
本届赛事要求参赛者预测750种化合物对四类CYP同工酶的pIC50等指标，组织方在提交截止前保留真实测量结果。pIC50是与抑制浓度相关的对数指标，数值变化对应抑制强度差异；模型不仅要判断有无风险，还需尽量准确估计强弱。与让语言模型回答“这个分子有没有毒性”相比，这是一项有独立标签、能够计算预测误差的严谨任务。Inductive披露，在Direct Inhibition项目中排名第一，NVIDIA第三、Recursion第四。公司还称这是其在OpenADMET系列盲测中的第四次第一，并在累计19个药物研发终点上进行过相关比较。[1]
这些成绩有价值，但应精确理解适用范围。一次CYP抑制预测挑战针对特定数据来源、化合物分布和评价指标，不能由此推算整个药物研发能力排名，更不能替代实际临床安全性验证。行业用户更需要了解排名优势是来自平均误差、特殊化学结构样本上的稳定性，还是少数高风险样本的识别能力。对于毒性相关模型，漏报与误报的代价不同，平均得分相同的两套算法可能导致完全不同的实验资源分配。因此榜单后续公开的预测文件、指标细节与独立评估将是判断技术成熟度的重要材料。
盲测减少对答案调参，仍需防范相似分子泄漏
普通机器学习评估经常把一个现有数据集随机切成训练集和测试集。但药物化合物通常并非独立随机分布：同一个研发项目中的分子可能只改变一个侧链，骨架与性质高度相似。如果训练集中已经出现某一系列化合物，测试集仍包含同一系列的邻近分子，模型可能在评分上表现良好，却无法预测真正新颖的化学结构。科研机构因此会关注骨架切分、时间切分、实验批次隔离和来自新实验的前瞻验证。盲测让提交者在真实结果尚未公开时作答，至少能减少直接对答案调参的可能，虽然它依然需要完善的数据治理和反泄漏机制。
药物发现的另一道难题是实验误差。相同化合物在不同实验平台、底物、酶来源和测量协议下可能得到不同结果，文献提取的数据尤其需要保留实验条件。模型训练如果把这些差异简单当作噪声，就可能学到不稳定的平均关系。对高质量AI团队而言，数据清洗不只是去掉重复行，还要对照原始实验记录、确定测量单位、识别批次偏差、保留条件标签、标明缺失与异常样本。一个算法结构非常先进的团队，如果没有这套工作，最终预测效果未必优于更朴素但有可靠实验数据的方案。Inductive在新闻稿中将其竞争优势归于行业数据合作网络、专业实验数据和领域模型训练，这是它希望建立的长期壁垒。[1]
从产业角度看，科学AI的评估最好尽可能使用新增实验数据。模型训练完成后，研究者提出一批未见化合物；实验室按规范完成测试；第三方根据预先确定的指标计算性能；科研团队再分析模型失误集中在哪类化合物上。这种流程花费高、周期长，却更接近客户真正关心的预测质量。竞赛组织如果能形成固定的盲测和真实实验验证机制，就有机会成为科学模型长期可比较的公共基础设施。相比通用问答测试，这类专业评测更接近研发成本和风险的实际构成。
Beacon与Indy：预测结果怎样进入下一轮实验
Inductive的产品组合包括Beacon系列化学性质预测模型，以及面向药物化学家的Indy智能助手。公司在此前的公开材料中介绍，Indy可辅助整理实验数据、分析结构—活性关系、检查合成队列和准备研究讨论材料；Beacon用于对化学性质和剂量相关问题提供可量化预测。两个产品之间的重要关系是：预测模型给出结构化结果，智能助手帮助研究人员在已有项目上下文中组织下一轮实验决策。行业真正愿意付费的对象通常是缩短药物优化周期、减少无效实验和提高成功候选物的比例，而不只是提供一个能够解释化学名词的聊天界面。[2]
一个典型的药物优化项目，团队会同时追求效力、选择性、代谢稳定性、溶解度、细胞毒性、组织暴露等多项性质。改进其中一项可能破坏另一项。例如提高疏水性可能增强细胞通透，同时也可能降低溶解度或增加非特异性结合风险。模型需要给出多目标预测及不确定性，科学家则需要结合实验条件、可合成性和项目战略决定下一步。智能体可以通过工具调用检查候选化合物、筛选结构、组织报告，但真正进入实验室之前还需要合规审查、批次记录和专家确认。算法最有效的工作方式，是让科学家把注意力从重复数据整理转移到有证据支持的专业判断。
Inductive还强调其数据合作网络，意在集中训练分散在不同研究机构中的实验信号。这样做的商业难度比训练模型本身大得多：企业为何愿意分享高价值实验数据，哪些数据能被用于预竞争训练，模型是否会泄露合作方的专属化学空间，知识产权和模型改进的收益如何分配，都需要制度安排。若建立可信的数据合作框架，多客户提供的新实验可以改善基础模型，模型提升又可能吸引更多项目使用，从而形成积累效应。这个循环的持续性取决于数据合同和实际预测收益，不能仅用“数据飞轮”几个字概括。
样品、批次、仪器：连接实验记录的三处关口
在一个成熟的制药研发机构，化合物结构、样品登记、合成路线、自动化实验设备、原始谱图、样品质量和科研报告可能分散在多个系统中。许多实验团队使用ELN电子实验记录本、LIMS实验室信息管理系统及仪器专有软件。模型若要辅助提出可靠决策，就要知道某项实验结果对应哪一个样品、哪个批次、哪套测量协议，以及当前是否已被复核。仅把PDF和表格扔进上下文窗口，容易丢掉这些关键关系。面向实验的AI架构往往需要以样品和实验任务为主线，将结构化数据、文档知识、科学计算工具及访问权限连接起来。
物理实验也是系统可信性的最终检验。模型建议合成某个分子后，需要评估可合成性、原料供应、安全风险和实验室可用能力；实验执行产生的数据还需经过质量控制，才适合进入下一轮训练。自动化液体处理和高通量实验设备能够提高数据生成速度，但也会放大错误脚本、样本混淆和设备漂移造成的影响。真正形成闭环的实验平台，应对每条建议记录模型版本、原始输入、候选方案、审批人、执行设备、实验结果和质量标记。这样才能在模型误判时追溯原因，避免错误数据再次回流训练。
这一点与工业AI颇为相似。工厂里的生产参数优化、焊接质量预测、材料配方研发和化学工艺调节也都面对物理实验成本与数据稀缺问题。实验设计需要兼顾探索未知与控制风险，历史样本往往集中在已经成熟的工艺窗口内，模型在窗口之外的置信度会迅速下降。将不确定性估计和专家审核纳入流程，能使AI成为实验资源调度的助手。若预测改变了下一次实验安排，还应记录它节省了什么、错过了什么。
专业团队的优势在实验数据与软件接口
Inductive并不是通用大模型市场中最醒目的名字，但在CYP盲测中击败大型参与者给出了一个商业信号：小型专业团队如果拥有高质量领域数据、清晰评价标准和直接服务科学家的软件接口，就能在细分问题上形成竞争优势。模型规模在这里不是第一位的宣传资产，客户更关心在给定数据与预算下，能否少做不必要的实验、早点识别高风险候选物、保存完整审计记录。企业的议价能力很大程度上来自对实验过程的理解和客户信任。
从商业模式看，这类公司可以采用软件订阅、按预测量计费、项目合作以及与研发成果相关的合同结构，但具体收入和客户成果需要公开财务或项目案例才能确认。专业数据联盟如果建立了持续贡献和回报机制，将成为长期成本很高的竞争壁垒；同时，高度依赖特定实验数据也可能限制跨实验室泛化能力。新的化学空间、不同疾病领域、不同检测协议都可能造成模型性能下降，因此需要定期开展外部验证。
科学AI产业可能形成更明确的分工：基础模型负责科学语言理解和问题规划，垂直预测模型负责可靠数值估计，专业软件负责实验设计与数据管理，物理设备完成真正的验证。谁能把这些环节以最少的人工重复操作组织起来，谁就更接近客户的价值链。对于投入AI for Science的产业平台，先确定一项可量化的实验决策问题，再建设数据和验证流程，比直接宣布打造“科学大模型”更容易产生持续价值。
从一次盲测到真实研发收益，还隔着哪些关口
一场比赛的第一名能够证明模型在特定数据集上的竞争力，但企业购买服务之前还需要问更具体的问题：模型面对新骨架的表现如何；能否报告可信的不确定性；是否支持客户实验协议的校准；发生分布变化后多久能重新训练；结果能否进入现有LIMS、ELN和决策报告；涉及未公开化合物时如何保护知识产权。答案往往要通过数月乃至更长时间的试点才能获得。药物研发高度重视可追溯性，任何从预测进入决策的步骤都应留有合理的科学证据链。
还要理解“成本降低”的含义。模型提前发现一个可能被实验排除的候选物，节省的是未来测量与合成的预期支出；如果误删真正具有价值的候选物，机会成本可能更高。优秀模型应帮助团队按风险分层配置实验资源，在高不确定性区域主动补充数据，而不是简单减少实验数量。把预测准确率、实验节省、研发周期和候选项目进展放在一张连续跟踪表中，才能知道模型是否真实改善了研发效率。榜单值得关注，但最终账本属于科学家和企业。
这次盲测留下一个实用的判断标准：在能够量化、能够获得独立实验答案的工作中，模型的价值有机会被清楚检验。任何希望走进实验室、工厂或研发中心的智能体，都应经得起类似的检验。只有数据链条真实、测量口径稳定、专业人员能够复核，模型输出才能逐步成为值得信赖的工程输入。
参考资料
- Inductive Bio，《Inductive Places First in OpenADMET CYP Inhibition Challenge, Its Fourth Consecutive AI Drug Discovery Benchmark Win》，2026-11-06：https://www.inductive.bio/news/inductive-places-first-in-openadmet-cyp-inhibition-challenge
- Inductive Bio官方新闻与技术博客（Beacon-2、Indy相关技术背景），2026-09：https://www.inductive.bio/news
- PR Newswire / Inductive，《Fourth Consecutive AI Drug Discovery Benchmark Win》，2026-11-06：https://www.prnewswire.com/news-releases/inductive-places-first-in-openadmet-cyp-inhibition-challenge-its-fourth-consecutive-ai-drug-discovery-benchmark-win-302932106.html