构效关系（SAR）研究怎么找研究空白？把散落的活性数据拼成一张矩阵
构效关系（structure–activity relationship, SAR）研究的起点通常不是「想做什么」，而是「手上的活性数据能说明什么」。多数人卡在同一处：同一类骨架的活性数据散在几十篇文献里，靶点不同、细胞系不同、单位不同（IC50 / EC50 / Ki / % 抑制），根本没法横向比较；而能比较的那几个格子，早就被人写过了。
这篇讲三件事：SAR 里什么样的缺口值得做、哪些「看起来像缺口」的其实是数据问题、以及一条可以重复使用的做法。
一、SAR 里三类真正值得做的缺口
- 数据缺口：同一骨架在某个靶点或某类取代基上缺少可比较的活性数据。注意「缺数据」有两种 —— 真的没测过，和测过但条件不同、口径不一致；后者本身就是一篇数据规范或方法类的选题。
- 机制缺口：活性随取代基变化的趋势有报道，但归因不清 —— 到底是电子效应、位阻，还是溶解度与渗透性把活性带偏的，文献只给现象、不做拆分。
- 迁移缺口：某条构效规律在骨架 A 上被反复验证，在骨架 B 上没人系统做过。这一类最好写，但审稿人第一句就会问「为什么 B 会跟 A 不同」；答不上这句，就只是重复劳动。
判断标准还是三条：有证据（每条趋势都能指到具体文献与段落）、可执行（缺的数据能在你的条件与周期内补齐）、值得做（补上的是规律，而不只是一个数值）。
活性表里的空格不一定都是机会：有的是没人做过，有的是做不出来，有的是测了但没法比。
二、四个最常见的误区
- 拿单一活性值当结论。 IC50 离开测定条件就没有可比性：细胞系、孵育时间、底物浓度、报告单位不同，差一个数量级很常见。跨文献比较之前，先把条件摊开列出来。
- 把相关性当构效关系。 活性区间只有两倍、样本只有五六个化合物时，任何回归都能「显著」。SAR 要的是覆盖足够宽的结构区间与活性区间。
- 只讲最好的那个化合物。 挑活性最高的讲故事、把中段与失活的丢掉 —— 恰恰是这些负结果定义了边界（哪个位置不能动），而边界才是同行最想知道的。
- 表格漂亮，数字对不上原文。 图表重排、单位换算、取整抄错，一处错就会被质疑整份数据。可回溯不是格式要求，是这项工作本身的信用。
三、一条可复用的四步做法
- 限定三件套。 靶点或表型 + 骨架与取代基位置 + 测定条件。缺一个，后面的矩阵就不成立。
- 建矩阵。 行是骨架与取代基组合，列是靶点 × 活性指标 × 条件；每格填数值、误差与来源段落。空格就是候选缺口。
- 对每个空格反查。 换检索式与数据库再搜一遍、查近三年综述，确认不是「测过没发表」或者「条件本来不可比」。
- 把空格写成可反驳的假设。「在 X 骨架的 R 位引入吸电子基，对 Y 靶点的活性单调上升，而现有报道只覆盖给电子基」—— 这一句就能直接设计实验。
四、我们怎么做这件事
ai4gap 把活性数据当作结构化字段来处理：骨架、取代基与取代位置、靶点、活性指标与数值、单位、测定条件、来源段落。近三年 SCI 千篇文献入库后跨文献对齐，把可比的数据并进同一张矩阵，把相互冲突的报道单独标出来，再输出带来源的缺口清单与研究综述。
两条红线不变：每条缺口都有文献证据，每个数字都能回溯到原文。
无 gap，不研究；无 gap，不发文。