企业官网建设流程全解析

组合药物筛选最麻烦的地方，不是单个药有没有效，而是药和药组合之后的效果很难猜。ScreenShot 这个名字听起来像“截图”，但它解决的是组合药物筛选中“组合爆炸”的问题。从标题看，这个模型走的是 Foundation Model 加 Few-Shot 的路线：先用基础模型学习药物、细胞、组合效应背后的通用规律，再用少量已知实验数据，去预测大量还没做过的药物组合。如果你在制药研发、生物信息学或者 AI for Science 方向，想了解少样本组合药物筛选能怎么做、怎么评估、有哪些坑，这篇文章应该能帮上忙。下面我不会照着论文标题复读，而是按真实落地顺序拆一遍。

1. 组合药物筛选为什么需要少样本基础模型

1.1 组合爆炸与实验成本

组合药物筛选的难点，首先是搜索空间太大。假设你手里有 100 种候选药，两药组合有 100 × 99 / 2 = 4950 组；如果做三药联合，数量直接到 161700 组。真实场景里，化合物库往往是几万、几十万个分子，完整组合空间几乎不可能靠湿实验全部覆盖。

更麻烦的是，药物组合实验不是“测一个浓度”就结束。A 药取 5 个浓度，B 药取 5 个浓度，两两配对就是 25 个剂量组合。一个组合要覆盖多个浓度比例，才能判断协同效果。再加上不同细胞系、不同疾病背景、不同处理时间，实验次数会迅速膨胀。

所以组合药物筛选天然需要先算后测。模型负责从大量候选组合里筛选出一批高潜力的组合，实验人员只对这部分做湿实验验证。这样可以把实验成本集中在最有希望的方向上。

1.2 传统机器学习与基础模型的思路差异

过去做组合药物预测，主流方案是提取药物分子指纹、细胞系基因表达、靶点信息等特征，然后用随机森林、XGBoost、图神经网络等模型学习一个分类器或回归器。这个路线很成熟，但问题在于它更偏向“单任务”学习：换一个新细胞系、换一批候选药，往往要重新准备标签数据，重新训练。

少样本场景下，这种传统方案很容易失灵。因为它没有利用历史实验积累出来的药物知识，每来一个新任务都要从零开始。如果新任务里只有几十组已知结果的药物组合，模型很难学到可靠的规律。

ScreenShot 标题里的 Foundation Model 和 Few-Shot，指向的是另一条路线。基础模型在大规模数据上预训练，先学会药物结构、分子性质、细胞反应等通用知识。到了具体的组合筛选任务，只需要少量已知组合做微调，甚至不微调就可能给出一版排序。这种“先学通用知识，再快速适配小样本任务”的模式，在图像和文本领域已经被验证过，现在用在组合药物筛选上，解决的问题就是少标签条件下的候选组合优先排序。

2. 理解 ScreenShot 的模型定位与输入输出

2.1 从“少样本”看模型要解决的任务类型

少样本药物组合筛选，要区分几种实际场景。

场景一：新细胞系。某个新的肿瘤细胞系，历史数据很少，只有十来个药物组合做过实验。ScreenShot 这类模型要利用其他细胞系上学习到的规律，在这个新细胞系上快速给出预测。

场景二：新药物库。一批新设计的化合物，还没有太多组合实验数据。模型需要根据分子结构相似性、已知靶点和通路信息，推断这批新组合的协同可能性。

场景三：新疾病背景。换一个适应症，比如从肿瘤转到抗纤维化，标签数据同样稀缺。这时少样本模型要做得事情不是记住训练集，而是利用预训练阶段积累的药物和生物知识，快速迁移到新任务。

无论哪种场景，少样本模型的核心评价标准都不是拟合训练集，而是举一反三：给一组没见过的组合，能不能把真正高潜力的排在前面。

2.2 输入特征和输出标签的常见形式

组合药物筛选模型的输入，通常不是单一模态，而是多路信息拼接。

药物结构信息是最常见的输入，包括 SMILES 字符串、Morgan 指纹、MACCS 指纹、分子图等。结构信息刻画的是“这个药本身长什么样”。

药物属性信息也很关键，比如靶点、代谢通路、药物类别、分子量、脂溶性等。结构相似的药也可能作用在不同靶点上，所以属性信息能补足结构特征的盲区。

生物学背景信息同样不能少，最典型的是细胞系基因表达谱、突变信息、拷贝数变异、组织类型。同一组药物在不同细胞系上效果可能完全不同，模型要有办法把细胞背景编码进去。

输出标签一般有三种形式：

• 二分类：协同 or 不协同。
• 回归：协同分数，比如 Bliss 分数、Loewe 分数，或者组合后的效应值。
• 排序：模型输出一个连续分数，用于候选组合优先级排序。

具体到 ScreenShot，它到底用哪些特征、输出哪种标签，要以论文和官方仓库为准。但从基础模型这个定位看，它有较大概率是把药物结构、生物背景和组合方式一起编码，最终输出一个可以排序的打分。

2.3 基础模型的预训练与微调关系

基础模型通常分成两个阶段。

预训练阶段，模型在大规模数据上学习通用表征。如果预训练数据是海量药物分子结构，模型就能学到化学结构里的基本规律，比如哪些官能团常见、哪些结构片段容易出现活性。这个阶段不需要太多标签，可以用自监督方式完成。

微调阶段，模型在下游任务上做少量调整。组合药物筛选属于少样本场景，微调时要注意两点：一是学习率不能太大，否则预训练学到的知识容易被破坏；二是不要整个模型都放开微调，可以只训练最后的预测头，或者冻结大部分底层参数。数据越少，越要保守。

很多人拿到基础模型后习惯性全量微调，结果小样本数据不够，模型在训练集上拟合得很好，测试集上却一塌糊涂。这属于少样本使用中最常见的路线错误。

3. 复现与使用前的准备清单

3.1 硬件、软件和数据条件

如果要复现 ScreenShot 或者使用类似的基础模型，第一步是确认自己的环境能不能跑起来。

显存是第一个要关注的点。中等体量的模型，推理时显存起步大约需要 8GB 到 16GB；如果模型很大，或者需要编码大量特征，24GB 甚至更高才稳。显存不够时，可以把 batch size 调小，或者只加载模型的一部分，比如只跑特征编码，不一次加载所有组件。

内存方面，处理药物分子指纹和细胞系表达谱时，数据会展开成很大的矩阵。如果一次性把所有特征载入内存，32GB 内存是一个比较稳的起点，低于 16GB 时建议使用数据流式加载。

磁盘空间也容易忽略。预训练权重文件可能达到几 GB，甚至十几 GB；数据预处理后生成的缓存文件也可能占几十 GB。开工前先看磁盘余量，避免训练到一半磁盘写满。

软件环境没有固定答案，PyTorch 和 TensorFlow 都可能出现，具体看官方仓库。关键是把 Python 版本、CUDA 版本和深度学习框架版本对齐，否则经常出现“代码没错但跑不起来”的问题。

3.2 数据划分与少样本任务构建

少样本实验最怕的是数据划分不合理。

第一种划分方式是按组合随机划分。把所有药物对随机分成训练集和测试集。这种方式操作简单，但风险是同一个药物可能在训练集和测试集里都出现，模型可能记住药物本身，而不是学习组合规律，测试指标会虚高。

第二种划分方式是按药物划分。训练集里出现的药物，测试集里完全不再出现。这个设定更接近真实场景，因为你希望模型能预测新药物的组合效果。难度也更高，通常指标会比随机划分低不少。

第三种划分方式是按细胞系划分。训练集里出现的细胞系，测试集里没有。这个设定用于评估模型能不能跨细胞系泛化，是药物筛选里非常关键的一种评估方式。

选择哪种划分，取决于业务目标。如果只想知道某个已有细胞系里哪些组合值得做实验，随机划分可以接受。如果目标是筛选新药物、新细胞系，就必须用更严格的划分，否则上线后效果会明显变差。

3.3 验证环境与最小样例

拿到代码后，不要直接启动完整训练。先用最小样例把链路跑通。

取 5 到 10 条样本，确认数据加载没问题。看特征维度是否和模型输入层对齐。再看模型前向传播能不能跑，能不能算出 loss。最后跑一次预测，确认输出格式能正常保存。

调通最小样例之后，再把 batch size 调大、数据量逐步增加。这一步的核心是隔离问题：如果数据加载、模型结构、输出保存都有问题，在 5 条样本上暴露出来，比跑到一半再发现容易处理得多。我一般会先把日志打开，确认每一步的输入输出形状，路径和权限都要留意。

4. 一套通用的少样本药物组合筛选实验流程

4.1 从单任务到元任务的实验设计

少样本实验有两种常见组织方式，决定整个实验流程怎么搭。

第一种是单任务小样本训练。假设你只有当前这一个数据集，把它切成 support set 和 query set。support set 用来微调模型，query set 用来评估。这种方式适合还没有多少历史实验数据、只有一个目标任务的阶段。

第二种是多任务或元学习式设计。把多个历史实验数据分别看成不同任务，先让模型在大量历史任务上学习，再把它放到一个新任务上快速适配。这种方式的优势是：当新任务只有几个样本时，模型已经知道“药物组合预测这件事应该怎么适应新数据”，而不是临时学一套新规则。

ScreenShot 如果定位是 Foundation Model，大概率走的是第二种路线。它会在很多药物筛选数据上做预训练，之后面对新组合时只需要少量样本就能输出排序。我们自己设计实验时，也要提前确认是单任务评估还是跨任务评估，因为两者的模型选择、参数设置、指标解读都不一样。

4.2 微调、评估和结果解释

如果模型支持微调，基本流程可以按下面这套走：

• 加载预训练权重。
• 构造少样本训练集，一般支持集每个类别只取几个样本。
• 设置较小的学习率，控制微调轮数。
• 在验证集上选择最优模型。
• 在测试集上报告最终指标。

评估指标方面，分类任务看 AUROC、AUPR、F1、Precision@k；回归任务看 RMSE、MAE，或者预测分数和实际协同分数的相关系数。

少样本场景下，AUPR 往往比 AUROC 更值得关注，因为正负样本可能严重不平衡。正样本很少时，准确率没有参考意义，AUPR 能更好地反映模型在少数正例上的识别能力。

还要注意，少样本训练的结果波动很大。同一个模型，换一个随机种子，测试指标可能差几个点甚至十几个点。正确做法是固定多个随机种子各跑几次，报告均值和标准差。只跑一次就说效果很好，容易误判。

结果解释上，不要把模型的输出分数当成绝对实验值。它更多是排序依据。实际筛选流程里，研究者只关心预测分数最高的前 50 或前 100 个组合，这时候 Top-K 命中率比全局 AUROC 更有用。比如你验证了前 100 个组合里有 30 个确实协同，这就是一个可操作的业务指标。

4.3 批量预测与输出管理

模型真正用于筛选时，往往要一次性预测几千几万个组合。批量阶段要提前设计好输出格式，否则下游实验没法跟进。

建议每个输出行都包含唯一标识：药物 A ID、药物 B ID、细胞系、浓度条件、预测分数。不要只用药物名称拼接，因为药物名可能有别名、大小写不一致等问题，数据库主键更可靠。

批处理时要注意显存和内存限制。不要一次性把所有组合都塞进去，建议固定 batch size 按批读取、按批预测、按批落盘。同时保留进度日志，方便任务中断后定位到哪里。

如果任务特别大，还要考虑断点续跑。已经在输出文件里记下来的预测结果不要重复算，可以直接跳过。这个在少样本模型使用中很容易被忽略，但实际投入生产筛选时非常关键。

5. 评估指标与参数调整的核心思路

5.1 协同、加性与拮抗怎么度量

组合药物效果不是只有“有效”和“无效”两种。通常需要区分协同、加性和拮抗。

协同指组合后的效果明显超过两个单药效果的简单叠加。拮抗则相反，组合后效果低于单药预期。加性就是两个药各自效果相加，没有额外增强也没有相互抵消。

量化这些概念，常用的是 Bliss、Loewe、HSA 等参考模型。Bliss 假设两个药物独立作用，用概率方式计算预期效应；Loewe 基于剂量相加的假设，强调两个药物是否作用于同一通路；HSA 的逻辑更直观，组合效果只要超过效果最好的单药就算有协同。

不同参考模型给出的协同分数可能不一致。训练模型之前，要先把标签来源统一。如果你从多个数据库收集数据，一个库用 Bliss，另一个库用 Loewe，直接混在一起训练，相当于标签定义都不同，模型学起来会很混乱。

5.2 少样本评估的稳定性

少样本实验里，数据集小，评估结果波动大。稳定评估可以从这几个方面入手：

第一，固定数据划分，不要每次重新随机切。否则不同实验之间没有可比性。

第二，多跑几个随机种子。建议至少 5 个种子，计算指标均值和标准差。如果标准差过大，说明模型在这个少样本设置下还不够稳定。

第三，选择对类别不平衡更敏感的指标。正样本比例很低时，AUPR 更合适，Precision@k 则更贴近实际筛选需求。

第四，对比基线时要保持相同条件。如果想证明 ScreenShot 比传统随机森林好，基线也要用相同的数据划分、相同的特征预处理、相同的随机种子。否则对比出来的差异分不清是模型优势还是评估口径差异。

5.3 哪些参数值得调，哪些不应该乱调

值得调整的参数，首先是学习率。基础模型微调时学习率不宜过大，常见范围在 1e-5 到 1e-4 量级。学习率太大，预训练知识容易被冲掉；太小，模型在小样本上可能学不进去。

batch size 也要调。它影响训练稳定性和显存占用。显存不够就调小，配合梯度累积。微调轮数要设置早停，小样本下训练时间稍长就会过拟合。

特征工程也值得检查。不是所有特征都有用，加入过多无关特征反而增加过拟合风险。可以先跑一版只用药物结构特征的模型，再加细胞系背景，对比效果上升还是下降。

不应该乱调的，一是不要为了训练集 loss 降到接近 0 而无限增加训练轮数，少样本下过拟合比欠拟合更常见。二是不要随意做数据增强，药物分子的 SMILES 字符串改写可能改变分子语义，不是所有增强都安全。三是不要反复用同一个验证集调参，调多了验证集本身也会间接泄漏信息。

6. 实测中最容易踩的坑与排查顺序

6.1 数据泄露和样本重叠

少样本药物筛选里，最隐蔽的问题是数据泄露。

一个典型的例子是同一个药物对出现在多个细胞系中。如果按药物对随机划分，训练集见过这对药，测试集又出现同一对药在不同细胞系里的效果，模型很可能学会了“这对药历史表现如何”，而不是“这对药在这种细胞下如何”。测试指标虚高，实际应用却不灵。

另一种情况是浓度切分。同一个药物对，高浓度组合在训练集，低浓度组合在测试集。看似是两个样本，实际上共享同一个药物组合的信息，也会造成泄漏。

排查方法很简单：训练集和测试集之间检查三件事——有没有重叠的药物对、有没有重叠的药物分子、有没有重叠的细胞系。如果业务目标是推荐全新组合，建议按药物分子完全隔离的方式做一次验证，看看指标下降多少。指标明显下降，说明模型更多依赖记忆，泛化能力有限。

6.2 输入特征不一致和缺失值

特征不一致是报错和效果差的常见来源。

药物 ID 格式不一致最常出现。同一个药，有的数据源写 PubChem CID，有的写 ChEMBL ID，有的直接写商品名。不统一，特征对齐就出问题。SMILES 也需要标准化，同一分子可能有多种写法，最好用 RDKit 做 canonical SMILES 归一化。

细胞系表达谱的数据来源也要注意。不同数据库可能用不同的基因名版本，有的是 ENSEMBL ID，有的是 Gene Symbol，直接拼接会产生大量 NaN。平台差异也很大，不同芯片或测序平台出来的表达量分布不同，需要先做标准化。

缺失值处理要谨慎。把缺失表达量填成 0，可能让模型把“未测量”误认为“表达量为 0”，产生错误信号。一般建议先看缺失比例，缺失比例高就删掉该特征，缺失比例低再用中位数或均值填充，或者用模型能够处理缺失值的方案。

如果训练时 loss 不收敛，或者预测结果全是同一个值，先检查特征分布，看看是不是存在大量 NaN 或者某一列特征全为 0。很多时候问题出在数据，而不是网络结构。

6.3 资源占用和任务卡顿排查

模型跑得慢或者卡住，不要直接怀疑模型结构。按下面顺序排查。

先看现象：是完全没有输出，还是中途卡住，还是报错退出。再看日志：卡在数据加载、模型前向、loss 计算，还是保存输出。然后看资源：显存有没有吃满，内存有没有暴涨，磁盘 IO 是不是瓶颈。很多卡顿是 dataloader 太慢，模型在等数据，表现出来就是 GPU 利用率为 0，但程序一直没跑完。

显存溢出时，优先把 batch size 调小。如果还需要更大 batch，用梯度累积。内存溢出时，改用流式加载，不要一次性把全部数据读进内存。输出文件写不进去时，检查目录路径和写权限，这经常表现为“程序正常结束但没有任何输出文件”。

依赖版本问题也常见。某些深度学习算子只在特定版本下可用，升级框架后可能报错，换到旧版本又可以用。复现过程中尽量锁定环境版本，避免不必要的兼容问题。

6.4 同类型任务的替代方案

如果 ScreenShot 的官方代码还没公开，或者你的数据格式和特征要求对不上，可以先跑替代方案，建立起对照基线。

最简单的替代方案是传统机器学习。用 Morgan 指纹加细胞系表达谱作为特征，训练随机森林或者 XGBoost 做协同分类。这个方法不算先进，但非常适合摸清数据底子：数据划分合理的情况下，传统模型能到什么水平，后续换更复杂模型才知道提升空间有多大。

图神经网络也是一个可选的替代方案。把药物作为节点，药物-靶点关系或已知组合关系作为边，做图的节点或边预测。它在利用结构信息上有优势，但实现复杂度会高一些。

另外一些开源药物组合预测模型也值得参考。这类模型很多以药物对和细胞系为输入，直接输出协同分数。先跑通一个开源模型，再用自己的数据微调，可以作为基础模型方案之外的第二选择。

替代方案真正的价值不是替代 ScreenShot，而是提供可比较的基线。基础模型如果连随机森林都打不过，那说明它在这个数据上并没有发挥出优势；如果明显超过传统方法，再深入排查它擅长哪类样本、在哪种划分下提升最大，这样使用起来才更有针对性。

最后说一点个人看法。如果只是复现论文结果，按官方仓库跑一遍即可。但如果想真正把 ScreenShot 这类少样本基础模型用在自己的药物筛选流程里，我的建议是先把三件事定下来：数据划分方式、协同分数定义、Top-K 评估口径。这三件事不统一，后续所有调参和对比都说不清楚。踩过几次坑之后你会发现，很多模型效果不理想，不是模型本身不行，而是数据和评估没有对齐。基础模型的优势是通用表征和少样本适应能力，但它不是魔法。给足质量可控的标签、做干净的样本划分、保持稳定的评估协议，才有可能让模型真正帮你筛出值得做实验的药物组合。