如果你接触过组合药物筛选，大概率见过那种让人头皮发麻的画面：几十种单药按两两组合排进 384 孔板，每个组合还要叠几个剂量梯度，最后铺出几十块板子。等到测完、导出结果，真正有协同效应的组合可能只有个位数。这个问题有没有更聪明的解法？ScreenShot 这个项目，从论文标题看给了一个很明确的方向：用 Foundation Model 的思路，把组合药物筛选当成 Few-Shot 任务来解。说白了就是——不指望一次把所有组合测完，而是先用足够多的历史筛选数据训练一个通用模型；到了新细胞系、新药物组合场景，只需要喂给它极少量的实验结果，它就能把剩下的大量组合排出一个靠谱的优先级。
这个思路背后有一个值得反复琢磨的判断。组合筛选领域的核心矛盾从来不是“模型不够强”，而是“实验数据太少、太贵、太碎”。单药、双药、三药组合，配合不同剂量和细胞环境，组合空间是指数级扩张的，而湿实验能覆盖的样本量却受成本、时间和人力限制。ScreenShot 这类工作真正要解决的，不是“给你全部数据然后预测得更准”，而是“在只有少量样本的新任务上，如何把历史数据攒下来的知识真正用起来”。
1. 为什么组合药物筛选天生就是少样本问题
组合药物筛选远不是“A 药加 B 药”这么简单。两个药放在一起，可能协同、可能拮抗、可能效果只是单药相加，甚至可能因为代谢通路抵消，出现比单药更差的情况。更麻烦的是，同一个组合在不同细胞系、不同剂量配比、不同时间窗口下的结论可能完全不同。这些因素叠加在一起，让组合筛选成为一个典型的高维、稀疏、强交互问题。
1.1 组合爆炸：规模决定了你不可能全量测完
算一笔很粗的账。假设一个实验室有 100 个候选单药，两两组合就是 4950 对；如果每种组合还要测 5 个剂量配比，就是接近 2.5 万个实验条件；如果再考虑三个药的组合，数量会直接跳到百万级别。这个规模，即使有自动化液体工作站和高内涵筛选平台，也很难全量覆盖。
这就是组合爆炸。它带来的直接后果是：在绝大多数真实项目里，你永远无法通过“把所有组合都测一遍”来得到完整答案。任何现实可行的方案，都必须在一部分没有测过的组合空间里做推断。这种推断能力，恰好就是机器学习模型的价值所在。
1.2 已有数据极其不均匀
另一个容易被忽视的现实是：即使把历史数据汇总起来，数据本身也极其不均匀。公开数据库里，有些经典药物组合被反复验证过很多次，有些新药只有零星的单药数据；同一对组合在不同实验室、不同批次里的读数还会有明显波动。这种不均匀，会让“一个大模型把全部数据吞进去，然后做全局拟合”的做法很容易翻车。
如果模型只学会记住高频出现的组合，那它对低频但真正有价值的组合几乎无能为力。而药物筛选里最有价值的发现，往往恰恰出现在那些少有人试过的组合里。
1.3 新任务里，少样本才是常态
更贴近实际的是，真正到了一个新任务——比如拿到一个病人来源的类器官模型，或者一个新药进入管线需要做组合评估——实验室通常只能承担有限的验证实验。这就是 Few-Shot 的真实语境：支持集可能只有十几到几十个组合的实测结果，你却要预测后面几千甚至几万个组合。
如果只记住一句话，那应该是：组合药物筛选的核心矛盾不是“预测精度不够”，而是“数据预算永远不够”。谁能在极少量实验数据下给出更可靠的优先级，谁就能把有限的实验资源用在刀刃上。
2. ScreenShot 的设计逻辑：先验、适配、复用
从标题的关键词组合来看，ScreenShot 把 Foundation Model 和 Few-Shot 放在一起，并不是随意的拼凑，而是体现了三种研究思路的交汇。
2.1 为什么需要基础模型
传统机器学习做组合预测，通常是在一个固定的数据集上训练，然后在这个数据集范围内测试。问题是，换一个细胞系、换一个药物家族，模型往往要重新训练。基础模型的核心价值在预训练阶段：它用大量药物结构、细胞系特征、历史筛选结果，学习出一套通用的表征，让不同药物、不同细胞系在同一个向量空间里具有可比性。
你可以把这一步理解成“先建立一套公共语言”。后续的每一个新任务，都不再是从零开始解释药物是什么、细胞系是什么，而是基于这套公共语言去刻画“这个具体场景下的组合行为”。没有预训练，少样本预测基本无从谈起。
2.2 Few-Shot 的实质：不是少样本乱猜
Few-Shot 不等于“样本少所以靠猜”。在常见的研究设定里，它指的是模型在预训练阶段见过大量任务，比如很多个细胞系上的筛选结果；到了测试阶段，只给少量标注样本，模型要通过这些少量样本快速识别当前任务的特殊性，并把预训练积累的知识迁移过来。
这和经验丰富的药理学家做实验的认知方式很像。老手看到一个陌生细胞系，不会把几万种组合全测一遍，而是先根据历史经验选十几个有代表性的组合，快速判断这个体系的药敏特征和耐药机制，再决定下一步怎么排查。Few-Shot 模型本质上是在把这条人类经验流程自动化。
2.3 为什么叫“ScreenShot”
项目名本身是一个值得玩味的双关。一方面，它对应 Few-Shot 里的 “Shot”；另一方面，“截屏”这个动作也很有意思——只取当前任务的一小段画面，而不是全量快照。这个命名其实点出了核心思想：用极小的成本记录当前场景的关键特征，剩下的交给先验知识去补全。
当然，这只是从命名角度做的推测。具体实现里它究竟用的是元学习、预训练加微调，还是类似上下文学习的方式，要以论文原文的实现为准。但这个命名至少说明，作者想强调的不是“海量数据堆模型”，而是“少量数据 + 强先验”的效率路线。
3. 一个可以照着走的最小落地流程
不管 ScreenShot 的具体实现是什么，这类模型要落地，通常都离不开下面几个环节。这里给出一套通用的处理框架，你可以把它当成一份工作流模板来用。
3.1 数据准备：先想清楚输入和标签
组合药物筛选模型的数据，通常包含四类信息：
| 数据类型 | 常见内容 | 常见格式 |
|---|---|---|
| 药物结构 | 分子指纹或 SMILES 序列 | Morgan 指纹、ECFP、SMILES |
| 细胞系信息 | 基因组、表达谱、组织来源 | 基因表达矩阵、突变标签 |
| 组合条件 | 单药浓度、配比、给药顺序 | 剂量梯度矩阵 |
| 标签 | 协同/拮抗/加和 | Loewe、Bliss、ZIP、HSA 得分 |
这里最关键的不是模型结构，而是标签的定义。不同协同分数定义对“协同”的判定标准完全不同，同一份剂量反应数据算出来的分数可能差异很大。如果你从多个来源收集数据，务必先统一标签口径，否则模型学到的东西很可能是噪声。
3.2 药物表征：从结构到向量
最常见的做法是用分子指纹或从 SMILES 预训练的分子向量编码器。如果只做组合预测，也可以直接把两个药物的表征拼接起来，再叠加上细胞系特征。下面是一个很常见的特征拼接写法，目的是先把样本向量组织起来：
import numpy as np def build_sample(drug1_fp, drug2_fp, cell_fp): # 特征拼接后，后续可以做归一化或降维 return np.concatenate([drug1_fp, drug2_fp, cell_fp])这部分真正的工程难点不是向量化，而是特征对齐：不同数据源里同一个药物的命名、结构表示是否一致，一定要先归一化。否则同一个药在不同批次里可能会被编码成两个完全不同的向量。
3.3 少样本适配：先跑通一条最小链路
在实际项目里，我建议按这个顺序跑通一遍：
- 选一个公开数据集，划分出预训练任务和测试任务。
- 在预训练任务上训练基础模型，确保它在“看过”的任务上有基本能力。
- 构造少样本测试：对目标细胞系，只随机抽取 10～20 个已知组合作为支持集，让模型做适配。
- 在剩余组合上评估排序效果，看真正协同的组合有没有被排到前面。
- 和普通深度模型、梯度提升树等基线做对比，确认少样本适配确实带来了增益。
注意：第一次验证不要把支持集数量设得太大。Few-Shot 的意义在于“少”，如果你用了 50% 的数据做支持集，那评估出来的不是少样本能力，而是半个有监督学习的效果。
3.4 评估指标：别只盯着准确率
在这个场景里，最实用的评估指标往往不是准确率，而是排序质量。因为实际使用中，你关心的是“哪些组合值得优先做实验”，而不是把所有组合的分数都精确预测出来。
| 指标 | 回答的问题 | 适合场景 |
|---|---|---|
| Top-K 命中率 | 排名前 K 里有多少真协同 | 实验预算有限，只看头部 |
| AUPRC | 正例稀少时模型的区分能力 | 协同组合稀疏时 |
| Spearman 相关 | 预测分数和真实分数是否同序 | 需要连续剂量排序时 |
一个简单的 Top-K 命中率计算示例：
def top_k_hit_rate(scores, true_labels, k=20): idx = sorted(range(len(scores)), key=lambda i: scores[i], reverse=True)[:k] hits = sum(true_labels[i] for i in idx) return hits / k注意这里 K 的选择应该由实验预算决定。如果一次实验最多验证 20 个组合，那 K=20 就代表“模型推荐的 20 个里有多少值得做”。
4. 落地时最容易踩的坑和排查链路
这类项目做多了会发现，模型效果不好，很多时候不是模型本身的问题，而是前面的数据处理和验证设计出了问题。把这些坑提前列出来，能省下大量返工时间。
4.1 数据层面的坑
- 标签口径不一致：不同数据库、不同批次用了不同的协同计算方式，直接混训等于引入噪声。
- 剂量缺失：有些组合只给了单一浓度结果，无法计算完整的剂量反应曲线。
- 批次效应：同一细胞系在不同实验室的数据分布差异很大，模型可能学到的是实验室偏好，而不是生物学规律。
- 数据泄漏：预训练和测试数据里存在同药或同细胞系的重叠，会让评估结果虚高。
4.2 模型层面的坑
- 过拟合支持集：Few-Shot 适配阶段如果更新轮数太多、学习率太大，模型会把少量样本背下来，失去泛化能力。
- 基线太弱：有些工作只对比了不经过预训练的复杂模型，却没有对比“直接在新任务上用少量数据训练一个简单模型”的基线。在少样本条件下，简单基线经常比想象中更可靠。
- 评估泄漏：少样本评估时，支持集里不能混入测试数据。这个规则说起来简单，但实际拆分数据时很容易出错。
4.3 工程层面的坑
- 随机种子不固定：少样本场景下采样方式对结果影响很大。不固定种子，结果可能无法复现。
- 依赖版本不一致：PyTorch、CUDA、数据处理库的版本差异都可能造成结果波动。
- 输出没有留痕：每次实验的配置、数据版本、模型权重如果没有完整保存，后面很难复盘。
4.4 一个可复用的排查顺序
如果模型效果异常，我一般按这个顺序排查：
- 先看数据：标签口径是否统一、特征是否对齐、有没有泄漏。
- 再看基线：在同一个数据划分上，简单模型表现如何。
- 再看适配过程：支持集数量、适配轮数、学习率是否合理。
- 再看评估：指标选对没有，是不是只看了准确率。
- 最后看工程：种子、版本、随机采样逻辑是否稳定。
从经验看，80% 的“模型效果差”最终都出在前两步，而不是模型结构本身。
5. 适用边界：谁该用、谁不该用、先验证什么
任何模型都不是万能药。ScreenShot 这类少样本基础模型有非常明确的适用边界，用之前要先对号入座。
5.1 适合的场景
- 同一个细胞系需要评估大量组合，但实验预算只够先测少量样本。
- 团队已经积累了较多历史筛选数据，想在新任务上省实验成本。
- 组合空间太大，传统全量筛选根本不现实。
- 你关注的是排序和优先级，而不是对每个组合给出绝对精确的分数。
5.2 不适合的场景
- 目标体系完全没有任何历史关联数据。预训练先验再强，也无法凭空理解一个与训练分布差距过大的领域。
- 实验预算充裕、组合数量不大。这时直接做全量实验，可能比模型筛选更可靠。
- 你只需要在一个固定数据集上做回归预测，不涉及跨任务泛化。简单模型通常更划算，维护成本也更低。
5.3 引入前的验证路径
如果你正考虑在团队里引入这类方案，我建议先用一个月做一次小规模验证：
- 从公开数据或自家历史数据里，选出 3～5 个不同细胞系的组合筛选结果。
- 对每个细胞系，模拟只给 20 个组合的观测结果。
- 用 ScreenShot 或同类方法做少样本预测，与随机选择、简单模型基线对比。
- 看 Top-50 推荐里，有多少被湿实验验证为真正协同。
如果这轮验证没有明显增益，说明你的数据特征或任务定义，可能和这类方法的适用条件不匹配。这时不要硬上，回头检查数据质量和任务划分，比换一个更大的模型更有效。
6. 这类模型真正改变的，是实验和计算的分工顺序
最后聊一个更大的视角。无论 ScreenShot 具体效果如何，“基础模型 + 少样本”这个组合，正在悄悄改变计算和实验之间的分工方式。
传统流程是：实验人员先做大规模筛选，再让计算模型去解释结果。这一套流程成本高、周期长，而且大量的实验精力被用在了低信息量的组合上。ScreenShot 这类模型提供的反 向流程是：先用历史数据预训练，再用极少量新实验数据做适配，最后让模型推荐下一个最值得做的实验。它的价值不在替代实验，而在减少无效实验。
这里还想提醒一件更接近底层经验的事：模型给你的不是答案，而是优先级。它把“从几万种组合里找到少数几个值得验证的选择”这件事，变成一个有先验支撑的推理过程。你可以把它理解成一个比随机猜测聪明很多的实验设计助手，但最终做决定、负责任、出结论的，仍然是你的孔板、细胞和剂量曲线。
如果你现在手上正好有一个组合筛选任务，与其到处找“万能模型”，不如先做一件事：把自己已有的历史数据整理好，标签口径统一，然后跑一次上面所说的最小验证。你会发现，少样本模型的收益，从来都不是靠参数堆出来的，而是靠数据组织、验证设计和实验闭环赢来的。
