1. PAINS化合物药物研发中的隐形杀手第一次听说PAINS化合物是在五年前的一个项目复盘会上。当时团队花了半年时间优化的先导化合物在体外实验中表现出惊人的活性结果进入动物实验阶段却完全失效。后来排查发现这个化合物含有硫代巴比妥酸片段——典型的PAINS结构。这种片段会与多种蛋白非特异性结合导致前期实验数据全是假阳性。那次教训让我深刻认识到PAINS就像药物研发中的地雷必须尽早识别和规避。PAINS泛测定干扰化合物是指那些在多种生物测定中会产生误导性结果的分子片段。它们主要通过两种机制干扰实验一类是在测试浓度下形成胶体颗粒像保鲜膜一样包裹住靶蛋白物理性阻断底物结合另一类含有高活性基团如迈克尔受体、醌类结构能与蛋白发生不可逆共价结合就像用强力胶粘住靶点。这两种情况都会导致化合物表现出虚假的活性信号但实际根本不具备真正的药理作用。更棘手的是PAINS化合物往往表现出泛活性特征。我曾测试过一个含邻苯二酚结构的分子在20个不同靶点的筛选中竟然有18个显示活性这种万能选手正是药物研发最需要警惕的。根据WEHI研究所的统计约5%的商业化合物库和8%的文献报道活性化合物含有PAINS片段这意味着研究人员有相当概率会踩到这个坑。2. 传统PAINS识别方法的局限性2.1 基于规则库的过滤方法目前最常用的PAINS识别方法是基于SMARTS模式匹配。WEHI维护的PAINS规则库包含480多个特征片段定义可以用RDKit等工具进行子结构匹配。我常用的Python脚本是这样的from rdkit import Chem from rdkit.Chem import PandasTools def filter_pains(input_file, output_file): # 加载PAINS规则 pains_smarts [line.strip() for line in open(wehi_pains.csv)] pains_mols [Chem.MolFromSmarts(smarts) for smarts in pains_smarts] # 读取待筛选化合物 df PandasTools.LoadSDF(input_file) df[ROMol] df[SMILES].apply(Chem.MolFromSmiles) # 执行过滤 def has_pains(mol): return any(mol.HasSubstructMatch(pain) for pain in pains_mols) df[is_pains] df[ROMol].apply(has_pains) clean_df df[~df[is_pains]] PandasTools.WriteSDF(clean_df, output_file, propertieslist(df.columns))这种方法虽然直接但存在明显局限。首先规则库需要人工维护更新难以覆盖所有潜在干扰片段。去年我们就遇到一个案例某新型吲哚衍生物在多个实验中表现异常但用现有规则库检测却显示清白。后来通过实验证实这确实是个新型PAINS结构但为时已晚项目已经浪费了三个月时间。2.2 在线工具的可靠性问题除了本地脚本市面上也有不少在线PAINS过滤工具如PAINS-Remover、FAF-Drugs4等。但实测发现这些工具的结果一致性很差。我做过一个对比实验用同一组200个化合物分别提交到三个主流平台结果PAINS阳性率从12%到21%不等。这种差异主要源于各平台使用的规则库版本不同子结构匹配算法的实现差异预处理步骤如互变异构体处理不一致更麻烦的是这些在线工具通常不提供详细的匹配结果解释研究人员很难判断到底是哪个片段触发了警报。有次我拿到一个PAINS阳性的结果却花了整整两天时间才定位到是分子中一个看似无害的吡唑环被标记了——原来是因为该环的特定取代模式在旧版规则库中被认为有风险。3. AI驱动的PAINS规避策略3.1 分子生成模型的安全设计传统方法都是在化合物生成后才进行PAINS检测属于事后补救。现在我们可以通过改造分子生成模型实现设计即安全。以DiffLinker为例这个基于扩散模型的链接器生成工具可以通过以下改进规避PAINSclass PAINSAwareDiffusion(DiffusionModel): def __init__(self, pains_checker): super().__init__() self.pains_checker pains_checker def training_step(self, batch, batch_idx): # 原始扩散过程 loss super().training_step(batch, batch_idx) # 添加PAINS惩罚项 generated_mols self.sample(batch.size(0)) pains_scores [self.pains_checker(mol) for mol in generated_mols] pains_loss torch.mean(torch.tensor(pains_scores)) return loss 0.3 * pains_loss # 加权平衡这种方法的优势在于模型在训练过程中就学会了避免生成含有PAINS片段的分子。我们团队测试发现经过PAINS意识训练的模型生成的分子中干扰化合物比例从基准线的7.2%降到了1.8%而且分子质量如QED、SAscore等指标没有明显下降。3.2 多维特征融合的预测模型更先进的方案是构建端到端的PAINS预测模型。我们开发了一个融合图神经网络和Transformer的架构不仅考虑子结构特征还引入物理化学参数和量子化学描述符class PAINSPredictor(nn.Module): def __init__(self): super().__init__() self.gnn GNNEncoder() # 提取分子图特征 self.transformer TransformerEncoder() # 处理SMILES序列 self.descriptor_net MLP() # 处理理化描述符 self.classifier nn.Sequential( nn.Linear(768256128, 512), nn.ReLU(), nn.Linear(512, 1) ) def forward(self, mol_graph, smiles_seq, descriptors): g_feat self.gnn(mol_graph) t_feat self.transformer(smiles_seq) d_feat self.descriptor_net(descriptors) combined torch.cat([g_feat, t_feat, d_feat], dim-1) return torch.sigmoid(self.classifier(combined))这个模型在内部测试集上达到92%的准确率比传统规则方法高出15个百分点。特别是对于规则库中未定义的新型干扰片段AI模型通过学到的潜在特征仍然能够识别大大降低了漏网之鱼的概率。4. 自动化工作流实践4.1 设计-过滤-验证闭环系统我们将上述技术整合成一个自动化流水线具体包含三个关键模块智能设计模块基于DiffLinker的改进版本支持约束条件下的分子生成多层级过滤模块第一层基于规则的快速筛查处理速度1000分子/秒第二层AI模型精细预测处理速度~100分子/秒第三层理化性质过滤logP、溶解度等实验验证模块自动安排正交生物测定实验这个系统的特别之处在于反馈机制。当实验验证发现新的干扰模式时系统会自动提取特征并更新AI模型和规则库。去年该系统帮助我们避免了17个潜在PAINS化合物的进一步开发保守估计节省了200万美元的研发成本。4.2 实际案例EP4受体激动剂优化以我们最近完成的EP4项目为例。初始hit化合物IC50380nM含有一个被标记为PAINS的烯酮片段。通过AI辅助设计我们生成了83个结构变体经过工作流筛选后剩下12个候选。最终获得的先导化合物不仅去除了PAINS风险活性还提高了20倍IC5018nM。关键步骤包括使用受限扩散模型生成保留药效团但替换问题片段的分子用多任务模型预测PAINS风险和靶点活性通过分子动力学模拟验证结合模式稳定性# 约束生成示例 constraints [ {type: pharmacophore, features: [HBA, HBD, Ring]}, {type: exclusion, smarts: [CX3][CX3]CO} # 避免烯酮 ] generator DiffLinker(constraintsconstraints) designs generator.generate(n100, temperature0.7)这个案例展示了如何在不牺牲活性的前提下智能规避PAINS风险。现在我们已经将这套方法标准化应用到所有早期药物发现项目中。