随着人工智能技术的飞速发展，其在生命科学领域的应用正以前所未有的速度推进，尤其是药物发现环节，正经历着从传统高通量筛选向智能化、自动化协同设计的深刻变革。近日，一篇关于利用机器学习构建“自主 AI 协同科学家”以发现 EGFR 抑制剂的研究引起了行业关注。这项研究展示了一种端到端的自动化工作流，通过整合化学信息学工具、机器学习模型与可解释性分析，旨在加速针对耐药性靶点（如 EGFR C797S）的药物开发。
EGFR（表皮生长因子受体）突变是许多癌症治疗失败的主要原因，特别是 C797S 突变导致了第一代和第三代靶向药物的失效。传统的药物发现流程往往耗时漫长且成本高昂，而该研究提出的“协同科学家”概念，试图通过算法模拟科学家的决策过程，自动完成从靶点解析、数据挖掘、模型训练到分子设计的全流程。
在技术实现层面，该研究首先利用 ChEMBL 数据库和 UniProt 蛋白质数据库，精准锁定 EGFR C797S 作为研究靶点，并从海量的生物活性数据中提取 IC50 值，将其转换为更符合统计学特性的 pIC50 数据集，为模型训练奠定了高质量的数据基础。随后，借助 RDKit 这一强大的化学信息学工具包，研究人员对原始分子结构进行了标准化处理，并计算了 Morgan 指纹——这是描述分子化学结构特征的关键手段。
模型训练阶段采用了随机森林算法构建 QSAR（定量构效关系）模型。与传统的随机拆分数据集不同，该研究引入了“支架拆分”策略。这种策略对于药物化学至关重要，因为它确保模型在预测时不会仅仅记忆已知分子的结构，而是真正学会了识别分子骨架的构效关系。这意味着模型在面对全新结构的分子时，仍能保持较高的预测准确性，极大地增强了模型的泛化能力。
为了解决机器学习模型“黑盒”带来的信任问题，研究团队引入了 SHAP（SHapley Additive exPlanations）值分析。SHAP 能够量化每个化学特征对模型预测结果的贡献度，从而帮助研究人员直观地理解哪些原子或官能团是决定药物活性的关键驱动因素。这种可解释性不仅验证了模型的合理性，也为后续的分子优化提供了明确的指导方向。
在生成新分子方面，研究利用了 BRICS（基于碎裂策略）算法。BRICS 允许研究人员将复杂的药物分子“拆解”为可重组的碎片，然后基于活性片段的约束条件重新组合，生成结构新颖且具有潜在活性的候选分子。通过这种方式，AI 协同科学家在庞大的化学空间中筛选并排名出最优的候选药物，极大地缩小了实验验证的范围。
这一案例展示了 AI 在药物研发中从“辅助工具”向“协同伙伴”转变的潜力。通过将 ChEMBL、RDKit、SHAP 和 BRICS 等技术有机融合，构建了一个闭环的自动化药物发现系统。这不仅提高了研发效率，降低了试错成本，更重要的是，它提供了一种标准化的范式，证明了在特定靶点上，AI 可以具备独立进行假设生成、实验设计和结果评估的能力。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/07/06/building-a-scaffold-split-random-forest-qsar-co-scientist-for-egfr-inhibitor-discovery-using-chembl-rdkit-shap-and-brics/
