构效关系与骨架分析（SAR）
构效关系分析（SAR）要回答的是：这批分子里，哪些结构变化带来了活性变化，变化有多大，趋势在哪些系列里成立。做法不是建一个预测模型，而是把化合物按结构组织起来再对照活性：先用骨架把分子分组，看哪些骨架是活性富集的；在同一骨架内做 R 基团分解，看每个位点上不同取代基对应的活性；再用匹配分子对把单点改造的效应量化成可比较的数值。典型输入是一张含 SMILES 和同一终点活性的表格。SAR 分析的产出是可以直接指导下一轮设计的结论，比如某个位点偏好小体积疏水基团，或某个取代会导致活性断崖式下降。
什么时候用
- 一个系列测了几十到几百个类似物，想总结每个位点的取代偏好
- 需要判断哪个骨架更值得继续投入合成资源
- 想量化某个单点改造（如加甲基、换卤素）的平均影响
- 活性数据里出现难以解释的异常分子，需要定位是否为活性悬崖
- 要在化合物库里按骨架或子结构检索同系列分子来扩展 SAR
- 评估骨架跃迁后关键药效基团是否保留
不适合的情况
- 数据来自不同实验体系未做可比性判断：趋势可能只是来源差异
- 分子彼此结构毫无关联：无法形成骨架组和匹配分子对，分析无从下手
- 想直接得到对新骨架的活性预测：这属于建模任务，SAR 只总结已观测趋势
需要准备的数据
- 化合物与活性表
- CSV，含化合物 ID、SMILES、同一终点活性值；IC50 建议统一转为 pIC50 便于比较
- 实验来源与条件
- assay 类型、细胞系、文献或数据库来源；用于判断哪些数据可以放在同一张 SAR 表里
- 核心骨架定义
- 做 R 基团分解时需要一个带连接点的核心结构（常用 SMARTS 或带标记的 SMILES）
- 检索用化合物库
- 做相似性或子结构检索扩展系列时需要一个库，并记录库的来源与规模
分析步骤
- 1
清洗与标准化结构
去盐、中和电荷、统一互变异构写法，再按规范 SMILES 去重。同一化合物多条活性时检查极差，差异在一个对数单位以内取中位数，差异过大的按来源分开或剔除。这一步不做，后面的骨架分组会把同一分子拆到不同组。
- 2
判断数据可比性
把活性按 assay 类型和来源分层画分布，看不同来源的数值是否系统性偏移。偏移明显时不能混在一张 SAR 表里比较，否则会把实验间差异读成取代基效应。能保留的最好是同一体系内测得的数据。
- 3
提取骨架并分组
用 Bemis-Murcko 定义提取骨架：去掉末端取代基，保留环系和连接它们的链；需要更粗的分组时可进一步抽象为只保留环骨架拓扑。统计每个骨架的化合物数、活性中位数和最高活性，找出既有足够样本又活性富集的骨架。
- 4
做 R 基团分解
在选定骨架上标出各取代位点，把每个分子分解成核心加 R1、R2 等片段，形成一张 SAR 表：行列是不同位点的取代基，格子里是活性。表格填得越满越容易看出趋势；大面积空缺说明该系列的取代组合探索不完整。
- 5
读取位点趋势
逐位点看取代基与活性的关系：体积（氢、甲基、乙基、叔丁基）、电性（卤素、甲氧基、硝基）、极性和氢键能力。某位点上所有取代都不影响活性，说明它朝向溶剂；活性随体积单调变化，说明该处有尺寸受限的口袋。
- 6
做匹配分子对分析
找出只在一处不同的分子对，把改造（如氢换氟）与活性差值配对统计。同一改造在多个系列中都带来一致方向的变化时，可以作为一般性经验；若方向随系列翻转，说明该改造的效应依赖上下文，不能跨系列迁移。
- 7
识别活性悬崖
在相似分子对中找活性差异很大的组合（结构相似度高而活性差若干个对数单位）。先排除数据错误，再分析原因：可能是构象改变、关键氢键丢失或立体构型反转。活性悬崖所在位点往往是最关键的药效位点。
- 8
检索扩展系列
用子结构检索把含同一核心的分子从库中找出来，用相似性检索（常用 ECFP 指纹加 Tanimoto 系数）找近邻化合物，补足 SAR 表的空缺组合。检索到的分子若已有公开活性数据，可以直接填进表里验证趋势。
关键参数与决策
骨架定义的抽象层级
保留原子类型和键级的骨架分组细、组数多；抽象成拓扑骨架后能把杂原子替换的系列归到一起。分析取代基趋势时用细粒度，寻找骨架跃迁机会时用粗粒度，两个层级通常都要看一遍。
相似性指纹与阈值
常用 Morgan/ECFP 指纹配 Tanimoto 系数。阈值取高（如 0.7 以上）得到的近邻结构确实相近但数量少，取低则引入大量弱相关分子。阈值应由库内相似度分布决定并随指纹类型调整，不宜照搬别处数值。
匹配分子对的改造规模
限制改造涉及的原子数，可以控制配对的粒度。只允许小改造（如单原子替换）得到的结论清晰但配对数少；允许较大片段替换配对多但解释性下降。通常先做小改造统计，再逐步放宽。
活性悬崖的判定标准
需要同时设相似度下限和活性差值下限，例如相似度较高而活性差两个对数单位以上。判定前必须先核对原始数据，很多所谓悬崖其实来自单位错误、立体构型漏标或不同 assay 的混用。
最小样本数
骨架组或取代基组内分子太少时，活性中位数没有意义。建议对组内样本数设下限，并在结果表中显示每组条数，让读者判断某个趋势是基于多少个数据点得出的。
常见错误
- 混用不同 assay 的活性值：取代基趋势实际反映的是实验来源差异，换体系复现就消失。
- 骨架分组前没做结构标准化：同一化合物的盐型与游离型被分到不同骨架，组内统计失真。
- 只看组内平均活性不看样本数：只有一两个分子的骨架常因偶然出现高平均值而被当成优势骨架。
- 忽略立体化学：对映体被当成同一分子合并，真实的构型依赖性被抹平，还会制造出假的活性悬崖。
- 把匹配分子对的结论跨系列套用：同一改造在不同骨架上效应方向可能相反，照搬会误导设计。
- 相似性阈值定得过低：检索出的近邻与目标分子实际差别很大，据此扩展的 SAR 表趋势不成立。
结果怎么看
骨架汇总表
每行一个骨架，含代表结构、化合物数、活性中位数与最高值、活性范围。优先关注样本数足够且活性分布整体偏高的骨架；只有少数分子的高活性骨架应标为待验证，先补几个类似物再下结论。
R 基团 SAR 矩阵
行列为两个位点的取代基，格子填活性并用颜色标深浅。看是否存在整行或整列的偏好——整行偏高说明该位点的某个取代基普遍有利；若高活性只出现在个别格子，说明两个位点存在相互作用，不能分开优化。
匹配分子对效应分布
每种改造给出活性差值的分布与配对数。分布整体偏向一侧且配对数充足，该改造可以作为设计经验；分布跨零且宽，说明效应依赖上下文。只有两三对数据支撑的改造不要写成结论。
结构-活性关系图（活性景观）
以分子两两相似度为横轴、活性差为纵轴，右上角区域即相似度高而活性差大的活性悬崖对。该区域的分子对值得逐个检查结构差异，它们通常指出口袋中最敏感的接触点。
系列完整性概览
统计每个骨架在各位点上已探索的取代基种类。空缺集中在某一类取代基（如均未尝试极性基团）时，下一轮设计应优先补这些组合，而不是继续在已探索区域做微调。
和相近方法怎么选
SAR 分析与 QSAR 建模
SAR 分析按结构把数据组织起来，输出的是可读的趋势和具体位点结论，不预测未合成分子；QSAR 用模型拟合结构到活性的映射，能给新分子打分，但解释性弱。实践中先做 SAR 看清趋势，数据量够了再建模用于排序。
匹配分子对与 R 基团分解
R 基团分解要求所有分子共享一个核心骨架，适合深入分析单一系列；匹配分子对不要求共同骨架，可以跨系列统计同一改造的效应，覆盖面更广但每对的上下文信息更少。两者结合可以既看清系列内趋势又检验其普适性。
子结构检索与相似性检索
子结构检索按 SMARTS 精确匹配，命中的分子一定含指定片段，适合收集同系列类似物；相似性检索按指纹距离排序，能找到骨架不同但整体相像的分子，适合寻找骨架跃迁的起点。前者查全同一系列，后者用来跨出当前系列。
骨架跃迁与系列内优化
系列内优化在已有骨架上改取代基，风险低、SAR 可累积，但容易在某个性质上触到天花板；骨架跃迁换核心结构，可能同时解决活性与成药性瓶颈，也要重建一套 SAR。常见判断依据是当前系列是否已在多个位点都探索充分仍无改善。
常见问题
Bemis-Murcko 骨架是怎么定义的
思路是去掉所有末端取代基，只保留分子中的环系以及连接这些环系的链状部分（连接链），得到的结构就是骨架。再进一步把所有原子抽象为同一类型、键级统一，可以得到更粗的拓扑骨架。前者用于区分系列，后者用于把杂原子替换的同类骨架归并。
活性悬崖意味着什么，要怎么处理
活性悬崖是结构高度相似但活性相差很大的分子对，它说明该处的结构变化触及了关键的结合要素，比如打断了一个氢键或改变了优势构象。处理方式是先核对数据真实性和立体构型，确认后把这些位点标为敏感位点，在后续设计中慎重改动，同时提醒依赖相似性的模型在该区域不可靠。
SAR 表里大量空缺要不要补
要看空缺的类型。若空缺是某一类取代基从未尝试过，补齐的价值高，因为它可能藏着未被发现的偏好；若空缺只是已探索区域内的微小组合，补齐信息量有限。实践中先统计各位点已覆盖的取代基类别，优先补完全没碰过的方向。
怎么判断该继续优化现有骨架还是换骨架
常看三点：现有骨架在主要位点上是否已做过足够多且有代表性的取代、最优分子是否在活性之外的性质（溶解度、代谢稳定性、选择性）上存在难以化学改造绕过的瓶颈、以及是否存在专利空间限制。若多个位点都已探索充分而瓶颈性质无改善，换骨架的性价比通常更高。
在 Codar 里怎么做
在生信模式里提供化合物与活性数据表，Codar 会确认可比性范围和核心骨架，再完成化学骨架与 SAR 分析、分子相似性与子结构检索，交付骨架汇总表、R 基团 SAR 矩阵、匹配分子对效应统计、活性悬崖分子对清单、系列完整性概览和可复现脚本。
我有 180 个同一靶点类似物的 SMILES 和 IC50，帮我按骨架分组，对主系列做 R 基团分解和匹配分子对分析，并找出活性悬崖的分子对。