ParetoMol：面向分子安全性与药代动力学多目标帕累托分析的自由网页应用

《Digital Discovery》：ParetoMol: a free web application for multi-objective pareto analysis of molecular safety and pharmacokineticsOpen Access

　　

分子优化需要在效价、选择性、药代动力学（pharmacokinetics, PK）与安全性等相互冲突的目标间取得平衡，然而现有自由可用的化学信息学工具通常将这些性质孤立呈现，研究人员不得不手动协调各项权衡。研究人员提出ParetoMol，一个开源网页应用，可针对用户定义分子目标计算帕累托优势（Pareto dominance），并提供14个同步可视化标签页用于交互式探索化合物权衡。ParetoMol接受SMILES字符串、CSV/SDF文件上传、ChEMBL靶点标识符或PubChem名称解析作为输入；实验数据可随时通过CSV/TSV上传合并。可视化标签页包括可配置帕累托散点图、BOILED-Egg分区、骨架分析、化学空间投影（UMAP/PCA/t-SNE）、活性悬崖（activity cliff）检测、平行坐标、雷达图与多参数优化（multi-parameter optimization, MPO）评分。三项演示说明平台分析能力：（i）对1949个FDA批准药物做安全性增强帕累托分析，使131个化合物进入非劣前沿——其扩展小于安全目标置换产生的扩展，且成员预测心脏、肝脏与临床毒性风险低于置换零分布（p ≤ 0.02）；（ii）50个EGFR抑制剂骨架分析显示4-苯胺喹唑啉类中普遍预测芳烃受体（aryl hydrocarbon receptor, AhR）激活（100%高于阈值 vs. 匹配对照50%；p = 5.61 × 10?10）；（iii）6个药物类别92个化合物的跨类比较揭示类别特异性预测风险谱与正交 Liability 轴——包括NSAIDs预测心脏与诱变风险最低但预测药物性肝损伤（drug-induced liver injury, DILI）居次高，单终点筛选无法发现。ParetoMol基于MIT许可证发布于 https://paretomol.com，源码位于 https://github.com/IlkhamFY/paretomol。

研究背景方面，分子优化的核心瓶颈并非候选生成，而是在效价、选择性、药代动力学、代谢稳定性与安全性等目标冲突时决定推进哪些分子。已有自由工具常将分子性质单端点呈现，迫使研究人员在碎片化界面中手动协调；SwissADME一次处理一个化合物，DataWarrior缺ADMET预测且不计算帕累托前沿，ADMETlab 3.0限批100个化合物，ADMET-AI无交互排序，商业平台如Schr?dinger LiveDesign年费超10万美元。因此研究人员开展本研究，构建开源、零安装、客户端计算为主的ParetoMol，把帕累托前沿的可视推理引入自由化学信息学工作流。该研究发表于《Digital Discovery》，意义在于让多目标贸易空间、骨架级 Liability 与跨类药物风险可在浏览器内被看见、比较与解释。

关键技术方法上，研究人员采用React 19、TypeScript与Vite单页应用架构；第一层用RDKit.js WebAssembly在浏览器内计算11个理化描述符、Morgan指纹、药物相似性过滤与帕累托排序；第二层可选调用ADMET-AI的Chemprop D-MPNN端点预测41个ADMET端点并返回Ertl–Schuffenhauer合成可及性（synthetic accessibility, SA）分数。输入途径含SMILES、CSV/TSV、SDF、ChEMBL 34靶点获取与PubChem名称解析。样本队列包括1949个ChEMBL 34中FDA批准小分子、50个EGFR抑制剂CHEMBL203系列、50个非EGFR激酶抑制剂对照、500个批准药基线，以及6类92个化合物跨类集。

研究结果如下。

1 Introduction部分说明单端点工具无法回答“ Liability 属于单个分子还是骨架”的问题，并提出用金融高效前沿同构的分子帕累托边界来组织多目标优化。

2 Platform description介绍ParetoMol三原则：默认客户端计算、零安装网页部署、同步选择模型；14个标签页分核心分析、性质画像与高级视图；分子详情卡含2D/3D结构、描述符、Lipinski/ Veber/ Ghose/ Lead-like过滤与1949批准药百分位火花线。

2.1 Architecture and privacy说明 Tier 1 浏览器内RDKit.js完成描述符、指纹、过滤与帕累托排序；Tier 2 经用户显式动作把SMILES发到ADMET-AI端点返回41个ADMET性质，可用Docker本地隔离。

2.2 Input methods归纳五种输入：SMILES、CSV/TSV可后续按SMILES或化合物名再合并实验列、SDF/MOL、ChEMBL靶点获取（pChEMBL值）、PubChem名称解析。

2.3 Core analysis views含帕累托散点图、ADMET-AI预测（含PAINS、Brenk、NIH结构警报高亮）、BOILED-Egg（log P对TPSA分GI吸收白区、BBB蛋黄区、差吸收灰区）、可排序数据表。

2.4 Property profiling views含雷达图、Murcko骨架分析与帕累托富集分数、UMAP/PCA/t-SNE化学空间、加权切比雪夫评分与MPO几何均数。

2.5 Advanced views含活性悬崖（Tanimoto相似度乘性质距离）、两分子Compare、平行坐标刷选、Tanimoto或SELFIES-TED相似矩阵、直方图/箱线图/ Pearson与Spearman相关热图。

3 Computational methods中，帕累托优势排序经pymoo验证11个测试套件完全一致；理化计算用RDKit.js，QED含结构警报项；合成复杂度估计 S_est 为启发式代理，与Ertl–Schuffenhauer SA相关但不替代；活性悬崖分数 SAS_ij = S_ij‖x?_i ? x?_j‖；ADMET-AI用TDC数据集，hERG、Ames、DILI等AUROC见原文；性能上1949药全量加载约9.64秒。

4 Demonstrations部分，4.1对1949 FDA药先做六理化目标P6得50个非劣化合物；加hERG、DILI、ClinTox成P9后前沿扩至181个，131个被“救援”化合物预测心脏与肝脏风险低于置换零分布（hERG p=0.020，DILI p=0.010，ClinTox p=0.005）；Lipinski合规优势不具预测信息，属帕累托选择本身产物。4.2对50 EGFR抑制剂发现4-苯胺喹唑啉类100%预测AhR激活，匹配激酶对照50%过阈值（p = 5.61 × 10^?10，Glass's δ = 1.12），人群基线6.6%过阈值，结论为脚手架驱动信号。4.3跨六类92化合物显示类别特异风险轴，NSAIDs低心脏/诱变但DILI次高，单端点筛选不可见。

讨论与结论部分，研究人员指出ParetoMol填补了自由工具中“高效前沿可视化语言”的空白：前端离线、后端可选、同步选择降低认知切换成本。帕累托前沿扩大本身不是证据，观测前沿181小于独立置换421、联合置换306与均匀抽样429，说明预测安全目标与理化目标部分冗余而非优于噪声。 scaffold 级分析揭示 Liability 可编码于骨架，跨类分析揭示正交 Liability 轴。结论可译为：ParetoMol是一个自由、开源、浏览器内的多目标分子贸易空间分析平台；它把帕累托优势排序、ADMET预测与14个同步视图结合，使安全性与药代动力学权衡、骨架级 Liability 与跨类药物风险可被非专业与专业研究人员共同探索；研究人员建议从一开始就把ADMET预测作为帕累托目标，而非事后过滤器。该工作表明自由化学信息学工具也能提供原本仅商业平台具备的多参数前沿推理能力。