0:00 / --:--
Latent Space · 10 月 14 日
Ian Quigley 认为 DEL 筛选的价值不在于数据量本身，而在于通过多靶点、多批次和多重条形码暴露伪信号，并让模型在已测化学空间中高速试错，但跨库泛化和体内验证仍是真正考验。
Leash Bio 试图把大规模、可复现的小分子结合实验变成 AI 可反复探索的「实验世界」，但 Ian Quigley 强调：数据量再大，也不能替代对实验伪信号和跨化学空间泛化的检验。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
Latent Space· 2026-10-26⚡ 一项知道标准答案的 AI 科学家评测 —— Ian Quigley，Leash Bio⚡ An Eval for AI Scientists That Knows the Answer Key - Ian Quigley, Leash Bio同一位嘉宾：Ian QuigleyLatent Space· 2026-10-10为什么 AlphaFold 没有解决蛋白质折叠问题——谷歌 DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal CandidoWhy AlphaFold Didn't Solve Protein Folding — Pushmeet Kohli, Google DeepMind & Sal Candido, Biohub同主题：AI 科学研究
No Priors· 2026-10-15与 OpenAI 总裁 Greg Brockman 谈网络安全和药物研发正在改变的底层规律Latent Space
Lab-in-the-Loop at Compute Speed — Ian Quigley, Leash Bio
YouTube
音频
小分子药物研发需要找到能结合目标蛋白的化合物，再逐步解决效力、选择性、体内暴露和安全性问题。DNA 编码化合物库（DEL）给每种小分子附上可测序的 DNA 标记，使研究者能够混合筛选大量化合物，再通过测序辨认哪些被目标蛋白富集。
这种规模也带来认识论风险：被读出的可能是 DNA 标签与蛋白结合、磁珠黏附、PCR 偏差或蛋白制备异常，而不只是预期的小分子—蛋白相互作用。本集围绕 Leash Bio 如何把 DEL 从「为单个靶点寻找命中物」改造成跨大量靶点的数据生产系统，以及这些数据究竟能让模型学到什么展开。
Ian Quigley 的核心主张不是「把筛选量做大，模型自然会懂化学」，而是先让实验产出的每个标签尽可能有可追溯的物理意义。Leash 把同一化合物配上多个 DNA 条形码、设置阴性对照、重复制作蛋白与化合物库，并在数百个靶点上观察同一库的行为；这样，原本会被单次项目忽略的系统误差才可能显形。规模的价值因此有两面：它既提供训练样本，也提供识别异常的参照系。
节目最有力的反例来自其 Kaggle 比赛。模型在与训练集共享组成模块的化合物上尚能取得成绩，一旦面对不同骨架与构建方式的库，参赛方法便未能胜过随机水平。这与开场的「凭分子辨认化学家」故事指向同一危险：预测准确可能来自人类选择、实验流程或数据来源留下的痕迹，而非可迁移的结合规律。Ian 随后提出另一条路径：先大规模测量一个化学空间，再让语言模型智能体（Agent）在已有实验结果中高速试错，以近乎即时的反馈练习结构—活性推理。这比逐轮实际合成快，但其边界同样清楚——智能体首先只在已筛选空间内行动；读数不能直接当作结合常数，小鼠药代与药效信号也距离临床成功很远。Leash 的真正考题，是能否将严谨测量、空间扩展和后续正交验证持续连接起来。
💬 他们说了什么：Ian 回忆，在 Recursion，一位药物化学家仅看屏幕上的分子便猜测其出自谁手。他们随后从 ChEMBL 整理符合发表量门槛的 1,815 名化学家的分子，训练「只看分子猜作者」的分类器，前五名准确率达 60%。更惊人的是，仅用约 1,800 维的「各化学家创作概率」向量表示分子，也能训练出与使用化学结构表示相当的活性预测模型。
💡 为什么重要：活性数据记录的不只是自然规律，还记录了人如何选靶点、设计类似物和发表结果。若模型凭这些选择习惯取得高分，就未必掌握可迁移的分子—蛋白相互作用。
⚡ 争议点：这一实验有力揭示了混杂因素，却不能证明既有模型「完全没学到物理」。作者身份、结构和活性本就可能相关；关键在于使用何种跨来源、跨化学空间的测试来拆开它们。
💬 DEL 将小分子与 DNA 条形码物理连接，混合后与目标蛋白接触；回收结合者，再测序辨认化合物。Ian 对比说，逐管筛选的最大化合物库通常是数百万量级，而 DEL 曾被做到 40 万亿分子的规模。组合式合成还会产生许多仅差一两个构建模块的近邻分子，便于比较哪部分结构影响结合。
💡 测序把原本需要大量独立容器的实验转成可并行读出的问题；近邻结构则为结构—活性关系提供了密集对照。
⚡ 库的标称大小不等于独立、正确合成且具有药物价值的分子数。组合空间受构建模块、连接化学和 DNA 耐受条件限制。
💬 Leash 通常把目标蛋白固定在磁珠上，加入 DEL、清洗并回收，再扩增和测序 DNA。Ian 强调必须设置磁珠本身及广泛黏附等阴性对照，并处理 PCR 扩增偏差。针对蛋白直接结合 DNA 的假阳性，他们让同一种小分子对应 32 或 48 种不同条形码：若只有某段 DNA 特别富集，就应怀疑读出来自标签，而非小分子。
💡 同一化合物的多重标签提供了内部交叉检查。有时异常条形码甚至能还原蛋白已知的 DNA 结合序列，反过来帮助解释实验发生了什么。
⚡ 多条形码能识别部分 DNA 驱动的信号，却不能一次排除所有伪阳性；蛋白状态、磁珠背景与合成差异仍需分别控制。
💬 主持人追问：DNA 尾巴会不会改变结合？Ian 区分了两个目标。若是训练模型，实验实际测量的就是「带 DNA 的化合物」，模型也会标出 DNA 所在位置；若要推进药物，则必须重新合成不带 DNA 的分子，并做功能实验。他称在团队手中，较容易的系列约 90% 能延续预期表现，困难系列约 50%。他还表示，跨新蛋白批次和新化合物库批次重复筛选时，命中物及其大致排序通常可复现。
💡 「带标签时有结合」可以是可信的实验事实，却不是「去标签后仍可成药」的同义词。把训练标签与药物决策分开，能避免过度解读。
⚡ 这些延续比例是嘉宾描述的内部经验，不应推广为 DEL 的普遍成功率；筛选复现性也不能代替无 DNA 状态下的正交测定。
💬 传统 DEL 项目常为一个困难靶点投入数月制备蛋白，再尽量使用大库寻找少数命中物。Leash 的目标不同：让每个化学库筛选数百个蛋白，从跨靶点结果中认识库本身。Ian 举例，同一化学库不同批次的表现也可能变化；只有反复用于许多蛋白，差异才容易显现。他将这种检查噪声、仪器和批次效应的习惯，部分归因于团队在 Recursion 处理高维生物数据的经历。
💡 大量靶点不仅增加样本，还让研究者有机会诊断化学库、蛋白制备及流程问题。数据生产与质量控制成为同一套系统。
⚡ 广撒网并不自动保证每个蛋白都处于适合筛选的构象，也不保证获得药物项目需要的高质量命中物。
💬 Ian 承认，混合合成中化学反应可能不完全，条形码所声称的产物未必就是实际产物。他同时指出，逐孔化合物库也有标签错误问题，并援引约 20%—30% 的偏差范围作为比较。谈到规模，他说当时汇总的小分子—蛋白结合数据库 BindingDB 不到 300 万条物理相互作用；Leash 为 Kaggle 发布的数据则约有 40 亿条，由早期团队在住宅地下室完成测量。
💡 这解释了 DEL 对机器学习的吸引力：即使承认测量不完美，单一流程仍可能产生远超公开汇总库的成体系数据。
⚡ 不同数据集的「一条相互作用」是否同质、标签误差如何计算，都影响规模比较的意义。条目数不是独立验证数，更不是有效训练信号的保证。
💬 比赛所用的一座库约有 1.3 亿个分子，共享三嗪中心骨架。Leash 设计了逐级变难的测试：与训练分子共享一个构建模块；不共享模块但保留共同中心骨架；以及来自另一座库、连中心骨架和连接化学都不同。Ian 称约 2,000 支队伍参赛，最难的跨库测试无人优于随机水平；表现靠前的提交中还有噪声教程笔记本。
💡 随机划分或近邻预测的好成绩，不足以证明模型能指导陌生化学系列。测试集究竟与训练集共享什么，决定了「泛化」一词的含义。
⚡ 这证明了该比赛设定下的困难，而不是证明所有小分子模型都无法跨库泛化。评价仍需结合靶点、指标、训练资源与隐藏测试集的具体构成。
💬 Ian 将语言模型智能体与直接学习表征的模型作比较：后者参数增大时也可能记住实验中的特定突变或模式；他希望自然语言推理和连续选择更有助于学习变化带来的因果后果。团队让智能体从 10 个结合者起步，在 100 个分子的预算内探索已测过的约 650 万个候选，并以数据库查询迅速取得反馈。他还说，团队曾从数据中提取超过 10,000 次类似药物化学「结构—活性关系优化项目」的练习机会。
💡 这里的「计算速度实验闭环」不是声称湿实验无需时间，而是先用真实测得的结果构成可快速查询的环境，让智能体进行大量决策练习，再考虑走向真实合成和复测。
⚡ 自然语言是否确实比其他方法更能防止记忆化、智能体是否学会可迁移的化学推理，都需要独立测试。快速反馈目前主要局限于已经测量的化学空间。
💬 面对 DEL 化合物可能不易转化为药物的质疑，Ian 承认精细结构变化受现成构建模块制约；他认为近年出现的 DNA 兼容连接化学改善了部分限制，但自己更担心模块多样性。团队称曾在约六个月内，从库中命中物推进到具有良好小鼠药代／药效（PK/PD）表现的化合物；所举炎症项目中，他们跟踪了小鼠血液细胞因子变化。
💡 初始建库时考虑类药性，可能减少从「结合」走向「体内起效」的落差；小鼠 PK/PD 则比单纯富集读数更接近药物开发所需的证据。
⚡ 嘉宾说的是少数已推进系列的内部结果，不代表普遍转化率。小鼠生物标志物按预期变化，也不能推出长期安全性或人体疗效。
💬 主持人提出尖锐的经济学问题：单个成功药物后续开发可能需要数亿美元至十亿美元，而发现阶段可能只占数百万美元，优化发现是否找错了成本中心？Ian 的回答是，某些有遗传或临床依据、却难以用小分子处理的靶点，本身就值得更好的早期发现能力；他以目前常由抗体治疗的炎症相关靶点为例，说明若能得到口服小分子，给药与冷链要求可能改变。
💡 发现平台的价值不能仅按「每次筛选便宜多少」衡量，还要看它是否让原本难以进入开发的治疗方案成为可能。
⚡ 小分子结合某靶点，不等于能复制抗体的作用机制、疗效或安全性；更便于服用的设想必须经过后续药理和临床检验。
💬 Brandon 提出一个悖论：如果公司已能高效收集大量高质量结合数据，找到命中物后，模型还创造什么价值？Ian 接受其中一半：只为单一靶点寻找起始材料，大规模筛选可能已经足够。模型的额外价值应体现在跨靶点、跨化学系列加速优化，最终向尚未筛选的农业、兽医或材料领域迁移。他称公司累计开发并筛选约 2,000 种蛋白构建体、进行了约 5,000 次筛选，每次至少覆盖 650 万个分子。
💡 这为平台设定了高于「搜库找到命中物」的成功标准：模型必须产生实验数据库本身不能直接提供的外推能力。
⚡ 这些筛选规模与商业价值不能画等号。Ian 也承认，现有化学空间还需用更多、不同形状和性质的库扩展。
💬 被问及资金更充裕的实验室能否直接复制规模时，Ian 强调的是长期积累的流程知识：记录批次元数据、重做筛选与蛋白表达步骤、追查模型可能利用的捷径。他举例说，团队发现类似囊性纤维化药物 lumacaftor 的化学系列常在疑似错误折叠的蛋白筛选中出现，于是把这种模式用作需要复查蛋白质量的线索。谈及最想移除的瓶颈，他先提测序成本下降，随后指出更缺乏的是可大规模并行、纯化无 DNA 小分子的能力，以便用更干净的实验正交验证。
💡 护城河或许不在某个模型架构，而在识别「看似好数据、实际不该训练」的组织能力。更高通量的纯化与复测，则可能让海量初筛结果获得独立检验。
⚡ lumacaftor 类似物的富集是有用的质量警报，但仍需独立证实具体蛋白是否错误折叠；所谓流程优势也需要持续以外部复现和新项目结果证明。
「用活动留下的‘尾气’训练模型，可能会惹上麻烦。」——Ian Quigley，谈化学家选择习惯混入训练数据
「它确实学到了东西；但不一定学的是物理。」——开场关于化学家「指纹」的讨论
「必须让它做出反直觉的选择，并得到反馈；它得有反事实，也得犯错。」——Ian Quigley，谈智能体训练环境
「如果你的唯一目标是给某个靶点找到好的化学起始材料，那这个质疑当然是对的。」——Ian Quigley，回应「既然能筛选，为何还要模型」
把质量控制设计成实验结构，而不是事后清洗。 同一化合物配多个 DNA 标签，是在实验设计阶段创造辨认伪信号的机会；跨批次和跨靶点重复，则让原本隐藏的系统差异变得可见。这比拿到结果后单纯删除异常值更有解释力。
「实验室在环」可以有两种时钟。 真实合成、纯化和测定仍按实验室时间运行；但已测数据可形成快速反馈环境，让智能体反复练习如何在有限预算下选择下一批分子。前者决定反馈是否可信，后者决定模型能否有效使用反馈。
正交验证的吞吐量可能成为下一道上限。 当初筛读出已能大规模获取时，脱离 DNA 的合成、纯化、直接结合测定以及细胞或体内验证，未必跟得上。提高这些环节的并行能力，可能比单纯再扩大初筛库更能提升证据质量。
latent.space_vtt。本笔记按所提供转写中可见的时间戳组织；所提供文本的中段有截断，未据此补写不可见段落的细节。
