Ein generatives Modell kann an einem Nachmittag zehntausend Moleküle erzeugen. Das war nie der Engpass. Der Engpass ist die Entscheidung, welche fünf du machst, und eine Liste von Strukturen ohne Bewertung bringt diese Entscheidung nicht weiter: Die Chemikerin muss jeden Vorschlag von Hand prüfen, was langsamer ist, als sie selbst zu entwerfen. Ein brauchbarer generativer Lauf dreht daher die Gewichte. Die Generierung ist der günstige Teil; die Randbedingungen davor und die Bewertung danach sind das Ergebnis.
Was generierte Ausgaben unbrauchbar macht
Vier wiederkehrende Probleme, in der Reihenfolge der verschwendeten Zeit:
1. Nicht synthetisierbar. Gespannte Systeme, unmögliche Substitutionsmuster, Reagenzien, die es nicht gibt. Das erkennt eine Fachperson in Sekunden und verliert das Vertrauen in die ganze Liste. 2. Keine Eigenschaftsbewertung. Strukturen ohne Vorhersage der Eigenschaften, auf die es im Projekt ankommt. Die Rangfolge bleibt vollständig beim Leser. 3. Außerhalb des Gerüsts. Vorschläge, die die chemische Serie verlassen, auf die das Projekt gesetzt hat, und damit Patentlage, Syntheseplattform und alles Gelernte ignorieren. 4. Varianten ohne Substanz. Hundert Moleküle, die sich um eine Methylgruppe unterscheiden, und das ist kein Design, sondern Aufzählung.
Randbedingungen gehören vor die Generierung, nicht danach
Einen großen generierten Satz hinterher herunterzufiltern verschwendet die Generierung und lässt meist die schlechteste Art Überlebender zurück: die, die die Filter zufällig passieren. Die Randbedingungen vorab zu nennen ändert, was überhaupt entsteht:
- Gerüst oder Kern, der erhalten bleibt, und die Positionen, die veränderbar sind.
- Reaktions- und Bausteinraum: die Chemie, die dein Labor wirklich fahren kann, und idealerweise die Bausteine, die du kaufen kannst oder schon hast.
- Eigenschaftsfenster je Ziel, mit Richtung und akzeptablem Bereich, nicht nur "besser".
- Harte Ausschlüsse: Substrukturen, die du nicht machen wirst, bekannte Schwachstellen, Einschränkungen aus Schutzrechten.
- Neuheitsanforderung: ein Mindestabstand zu bestehenden Verbindungen, damit die Ausgabe nicht die Wiederentdeckung deiner eigenen Datei ist.
Ein generativer Lauf mit diesen Randbedingungen liefert weniger Moleküle, und ein deutlich höherer Anteil davon ist lesenswert.
Was eine brauchbare Ausgabezeile enthält
Je Vorschlag die Information, die eine Entscheidung in einer Zeile möglich macht:
| Feld | Warum |
|---|---|
| Struktur | |
| Vorhergesagte Werte je Ziel, mit Intervallen | Ein Wert ohne Intervall lässt sich nicht gegen einen anderen abwägen |
| Domänenmarkierung je Vorhersage | Sagt, welche Zahlen Extrapolationen sind |
| Bewertung der Synthetisierbarkeit | Ein vorgeschlagener Weg zu kaufbaren Bausteinen, mit der Zahl der Stufen |
| Neuheit und nächste bekannte Verbindung | Zeigt, ob das neu ist und wem es ähnelt |
| Hinweise auf Schwachstellen | Strukturwarnungen, reaktive Gruppen, bekannte Problemsubstrukturen |
| Grund für den Vorschlag | Welches Ziel er gegenüber dem Startpunkt verbessern soll |
Die letzte Zeile macht aus einer Liste ein Gespräch. "Vorgeschlagen, um die Löslichkeit zu heben und die vorhergesagte Wirkstärke im Intervall der Ausgangsverbindung zu halten" ist eine Hypothese, die man aus chemischen Gründen annehmen oder ablehnen kann.
Mehrere Ziele sind der Normalfall
Die Optimierung auf ein einziges Ziel produziert das bekannte Versagen: ein Lauf, der die Wirkstärke maximiert und dabei direkt in unlösliches, metabolisch instabiles Gebiet läuft. Echte Projekte wägen drei bis sechs Ziele ab, die gegeneinander arbeiten.
Zwei praktische Regeln. Erstens: Zeige eine Pareto-Sicht statt einer einzigen gewichteten Kennzahl, also die Menge der Vorschläge, zu denen kein anderer in allen Zielen besser ist, und lass das Projekt den Kompromiss wählen. Eine gewichtete Summe versteckt den Kompromiss in Koeffizienten, die niemand begründen kann. Zweitens: Sage, welche Ziele harte Randbedingungen sind und welche maximiert werden sollen. "Löslichkeit über einem Schwellenwert" und "Wirkstärke so hoch wie möglich" sind verschiedene Arten von Anforderung und sollten nicht gemittelt werden.
Wo generatives Design im DMTA-Zyklus sitzt
Es ist ein Schritt in einem Kreis, und sein Wert hängt daran, dass der Kreis sich schließt. Die Generierung schlägt vor, das Labor misst, die Messungen aktualisieren die Modelle, die nächste Generierung ist besser informiert. Ohne Rückkopplung schlägt ein generatives Modell weiter aus derselben Vorannahme vor, und der zweite Zyklus ist nicht besser als der erste.
Das ist auch die ehrliche Antwort darauf, was generatives Design nicht kann: Es kann dir nicht sagen, ob dein Ziel das richtige Ziel ist. Korreliert die vorhergesagte Eigenschaft nicht mit dem, worauf es im Projekt ankommt, läuft die Optimierung zuversichtlich in die falsche Richtung, und schneller als eine Fachperson.
Grenzen der Aussage
- Jede vorhergesagte Eigenschaft in der Ausgabe trägt die Unsicherheit ihres Modells, und generierte Moleküle sind konstruktionsbedingt neu, liegen also häufiger außerhalb des sicheren Bereichs der Modelle als eine normale Serie.
- Eine Bewertung der Synthetisierbarkeit ist ein Vorschlag, kein geprüfter Weg. Die Stufe, die auf Papier gut aussieht, kann die sein, die scheitert.
- Neuheit gegenüber öffentlichen Datenbanken ist keine Freedom-to-Operate. Diese Bewertung gehört in die Hand einer Patentfachperson.
- Generatives Design ist ein Kandidatengenerator. Es ersetzt nicht das medizinalchemische Urteil darüber, was zu testen lohnt, und es wirkt am besten, wenn man es als Satz von Hypothesen liest und nicht als Rangfolge zum Abarbeiten.
Häufige Fragen
Was ist falsch an einer Liste generierter Moleküle?
Sie überlässt die ganze Bewertung dem Leser. Ohne Eigenschaftsvorhersagen, Intervalle, Domänenmarkierungen, einen Synthesevorschlag und einen genannten Grund je Vorschlag muss eine Fachperson jede Struktur von Hand prüfen, was langsamer ist, als Kandidaten direkt zu entwerfen.
Gehören Randbedingungen vor oder nach die Generierung?
Davor. Nachträgliches Filtern verschwendet die Generierung und lässt tendenziell die Vorschläge übrig, die die Filter zufällig passieren. Gerüst, Reaktionsraum, Eigenschaftsfenster, Ausschlüsse und Neuheitsanforderung vorab zu nennen ändert, was entsteht.
Wie geht man mit mehreren Zielen um?
Als Pareto-Menge statt als einer gewichteten Kennzahl, mit harten Randbedingungen getrennt von den zu maximierenden Zielen. So bleibt der Kompromiss sichtbar, und das Projekt trifft ihn, statt ihn in Gewichtungskoeffizienten zu verstecken.
Wie wird Synthetisierbarkeit bewertet?
Indem ein Weg zurück zu kaufbaren Bausteinen vorgeschlagen und die Zahl der Stufen samt Zuversicht je Stufe berichtet wird. Das ist ein Hinweis, dass ein Weg plausibel existiert, keine geprüfte Vorschrift.
Braucht generatives Design experimentelle Rückkopplung?
Ja, um besser zu werden. Ohne Messungen, die in die Modelle zurücklaufen, schlägt jeder Zyklus aus derselben Vorannahme vor, und die zweite Runde ist nicht besser informiert als die erste.