拿到一个靶点列表，数筛选直接扔进SEA数据库跑一遍，据库结果出来几百个候选化合物，靶点P值小于0.05的数筛选一抓一大把。这时候如果直接按P值排序取前50个去做实验，据库大概率会浪费几个月时间。靶点问题不在SEA本身，数筛选而在于怎么筛。据库

SEA（Similarity Ensemble Approach）的靶点核心逻辑其实不复杂：它把每个靶点的已知配体集合当作一个"化学特征集"，然后计算待测化合物与这些集合之间的数筛选相似性。底层用的据库是ECFP4指纹和Tanimoto系数，再通过BLAST式的靶点统计框架把相似性转成E-value和P值。说白了，数筛选它回答的据库问题是——你这个化合物，跟哪个靶点的靶点已知配体长得像？

但"长得像"这三个字里有太多陷阱。

先看配体集合的质量，别只看数量

SEA对每个靶点的配体集有最低数量要求，通常至少需要10个以上已知活性化合物才能构建有统计意义的集合。但数量够了不代表质量够。ChEMBL上很多靶点的配体数据混杂着高通量筛选的假阳性、活性值跨度从nM到μM不等的化合物、甚至种属来源不同的数据。我一般会先检查目标靶点在ChEMBL里的活性数据分布——如果IC50值集中在10μM以上，这个配体集的可信度就要打折扣。

实际操作中，我会把配体集里活性值差于10μM的化合物先剔掉，再重新跑SEA。这一步会显著减少假阳性。有人可能觉得这样做太激进，但我的经验是：配体集里混入弱活性化合物，会让SEA的相似性打分被"稀释"，导致一些本来不相关的化合物也被纳入显著范围。

P值不是唯一标准，Z-score和靶点家族一起看

SEA输出的结果里，除了P值，还有Z-score。P值告诉你"这个匹配不太可能是随机产生的"，Z-score告诉你"这个匹配比随机期望高出多少个标准差"。两个指标结合看，比单看P值靠谱得多。我通常先按Z-score排序，再看P值是否小于0.05，两个条件同时满足才进入下一轮。

另一个容易被忽略的维度是靶点家族信息。如果待测化合物同时命中了5-HT2A、5-HT2B、5-HT2C三个受体，这不叫"三个独立发现"，而是"一个色胺类骨架的典型脱靶模式"。反过来，如果化合物只命中了一个孤立的靶点，周围没有任何同家族成员被命中，这个结果反而需要警惕——可能是假阳性。

用已知脱靶数据做反向验证

SEA的一个实用技巧是：拿你已知的脱靶化合物去跑一遍，看SEA能不能把它们对应的靶点找出来。比如你手头有一个已知会结合hERG的化合物，跑SEA后hERG应该出现在显著结果里。如果没出现，说明你的参数设置或者配体集选择有问题。这个反向验证步骤花不了多少时间，但能帮你判断这次SEA运行的整体可信度。

我一般还会做一个交叉验证：把待测化合物拆成训练集和测试集，用训练集跑SEA，看测试集里已知的活性化合物能不能被正确召回。召回率低于50%的话，这次筛选的假阴性风险就很高。

别忽略立体化学和质子化状态

SEA默认用的是二维指纹，对立体化学不敏感。这意味着(R)-型和(S)-型异构体在SEA眼里可能一模一样。如果你的化合物有手性中心，而且靶点对立体化学有明确偏好，SEA的结果就需要打问号。同样，质子化状态也会影响指纹匹配——一个在生理pH下带正电荷的胺类化合物，跟一个中性状态的同分异构体，在SEA里的表现可能完全不同。

我的做法是：对有手性的化合物，分别用不同构型跑SEA，看结果是否一致。如果差异很大，说明这个靶点的配体集里存在明显的立体选择性，后续实验必须区分异构体。

最终筛选策略

跑完SEA之后，我不会直接拿结果去做实验。通常的流程是：先按Z-score和P值双重过滤，再剔除同一家族内冗余的靶点，然后用反向验证确认参数合理，最后结合化合物本身的成药性和靶点的可成药性做人工判断。整个过程下来，一个初始几百个候选靶点的列表，最终能进入实验验证的通常不超过10个。

SEA是个好工具，但它给的是统计关联，不是生物学结论。筛选的本质不是"找出所有显著结果"，而是"找出最值得花时间验证的那几个"。