用做抑制剂的思维做分子胶 SAR,会全盘出错。这里 binding 不等于 degradation、越强不等于越好、剂量曲线还会"掉头向下"。这一模块教你用对的指标评价降解,并用不确定性感知的方式做每一轮 SAR 决策。
五条根本差异。如果你的 SAR 直觉来自抑制剂,这张表里的每一条都会害你做错决策——逐行对照,把思维切换过来:
三组知识点:降解指标、验证 assay、SAR 决策方法。点击展开。
降解的"五维语言":DC50(半数降解浓度,效力)、Dmax(最大降解程度,深度)、degradation kinetics(降得多快)、recovery kinetics(撤药后多快恢复)。还有分子胶/降解剂特有的 hook effect——高浓度反而降解减弱的钟形曲线(见 8.3)。一个 IC50 无法描述这些。
这些是把"看起来降解了"变成"确实是降解机制"的验证 assay:washout(撤药看恢复)、proteasome rescue(抑制蛋白酶体能否挽救——证明是蛋白酶体降解)、E3 dependency(敲除 E3 能否挽救——证明依赖该 E3)、time-course(时间序列,刻画动力学)。它们和模块 9 的机制证据链直接相连——在 8.4「证据阶梯」里可逐关体验。
三个"不要混淆":降解 ≠ 毒性(活性下降可能是泛毒性,不是目标降解)、降解 ≠ 药效(降了不一定有治疗效果)。在此基础上做 AI-SAR 建模,并以不确定性感知的方式决策——高方差的预测排后验证,形成 active learning 回路(设计→测试→更新模型→再设计)。这正是 8.5 决策看板的内核。
这是分子胶/降解剂最反直觉的现象:浓度越高,降解反而越弱。原因是高浓度下分子分别饱和 E3 和底物两端,拆散了三元复合物。拖动浓度滑块,看降解如何先升后降——并体会"为什么不能只测一个高浓度点"。
看到"目标蛋白变少"只是起点。要把它从"看起来降解了"升级成"确实是这个 E3 介导、蛋白酶体依赖的目标降解",得逐关确认。逐项点 是 / 否 体验:任何一关答"否",你能下的结论就停在那一关——上面的结论都还不成立。这是每一轮 SAR 都要走的确认门;更完整的 9 步机制证据链在模块 9。
过关标准:交出一个 AI-SAR 决策看板,在每一轮设计-测试后回答八个问题,并据此决定下一步。下面是一个可交互的看板示例——点击"模拟新一轮数据"看八项指标如何变化、以及看板如何给出下一轮决策建议: