分子胶（molecular glue）能把「不可成药」的靶点拉去降解，是近年最热的药物范式之一；而 AI 正涌入它的每一个环节。热闹之下，真正稀缺的是判断力——这门课就是为它而建。
只要你需要在「AI × 分子胶」面前做判断——无论是做研究、做投资，还是做决策——这门课都为你准备。
想进入靶向蛋白降解与分子胶领域，需要补齐生物机制与数据现实，知道模型该尊重什么。
想用 AI 又怕被黑箱忽悠，要学会判断模型能做什么、在哪会失灵、何时该让物理方法兜底。
要在尽调与立项时看穿「AI 设计药物」的宣传，快速判断一个项目的真实成色与风险。
想系统建立从机制、数据到落地的完整认知地图，而不是零散地追热点、背名词。
不是「了解了一些概念」，而是能上手做出判断、产出交付物的具体能力。
用「五问框架」拆解任意一个分子胶研发项目。
判断一个靶点 / 降解事件值不值得立项。
看穿一句「AI 设计了药物」宣传里的水分与边界。
读懂 AlphaFold3 / 共折叠结果的置信度，不被高分骗。
设计一条能反哺 AI 的实验验证级联。
写出一份你敢签字的《分子胶立项判断报告》。
六个贯穿全程的设计原则，决定了它和市面上「AI 制药速成」内容的根本区别。
每一讲都讲清 AI「不能做什么」，反炒作判据贯穿全程，不替技术吹牛。
把研发拆成 5 个能回答的问题（选靶→三元→设计→功能选择性→闭环），而非堆砌名词。
每个 AI 方法都标「能 ｜ 不能 ｜ 瓶颈」，让你知道它的天花板在哪。
拿一个真实靶点从头跑一遍，产出一份可签字的立项判断报告。
已折入 AF3、QuEEN >1600、CELMoD 临床进展等关键最新事实。
30 个模块各有一张「名片」，随时定位、跳转、回顾全貌。
前三篇是地基，第四篇是主战场，最后用 Capstone 把全部串成一次真实判断。
点击任意卡片进入该篇的完整学习页。地基篇打底，第四篇是全课重心，Capstone 收口。
帮你装上正确的世界观，破除「AI = 降本提速」的误解。从五问框架、α 协同直觉到反炒作判据——它决定你之后看待每一项技术的眼光。
打好生物机制的地基：泛素—蛋白酶体系统、E3 连接酶版图、分子胶作用机制、neo-substrate 识别语法——这是你的模型最终必须尊重的机制。
让模型不再是黑箱：分子与蛋白的表示、关键模型家族、结构预测革命（AF2→AF3→共折叠）、生成式设计，以及最致命的「药物发现 ML 思维」。重直觉与失败模式。
为什么分子胶 AI 是「数据饥饿」的：公共数据资源地图、实验数据如何变成训练信号、专有数据引擎（QuEEN 范式）、多组学语境。它决定你每个预测的天花板。
整门课的心脏。把研发拆成 5 个能回答的问题（Q1 选靶 → Q2 三元 → Q3 设计 → Q4 功能选择性 → Q5 闭环），每问统一按「问题→约束→AI 方法→能力边界→与实验咬合」展开。
回到现实：怎么验证候选真的有效、在体内会怎样、有哪些独有风险，以及报批时哪几件事真正与传统小分子不同。实验验证级联还会反哺 AI。
把全课知识变成「可落地的研发能力」，并看清未来 3–5 年方向——平台怎么搭、IP 怎么占、前沿在哪，以及一套分辨真伪的批判工具箱（收尾的「免疫系统」）。
把五问串成一次真实判断：拿一个真实靶点从头跑一遍，产出一份你敢签字的《分子胶立项判断报告》。它不预测「一定成」，而是诚实地说清值不值得立项、风险在哪、AI 帮了多少。
每个模块都有一张「名片」——位置 / 前置、学习目标、学习脉络、能 ｜ 不能 ｜ 瓶颈、可视化、自测、必读、一句话总结。先看全貌，再按篇深入；学到一半也能随时回来定位。
这个领域更新很快。课程不仅给结论，更带你看清每个数字背后的来源与时间。
读到具体数字时，不妨留意它的发表时间——这正是课程教你的判断习惯之一。
不需要写代码。课程重直觉与判断，不做数学推导，也不要求编程实操；遇到方法只讲清「它在做什么、能力边界在哪」。
第一篇会从零补齐机制地基。有生物 / 药化背景上手更快，没有也能跟上——这正是「地基篇」存在的意义。
约 69 学时，可按篇分次学。建议顺序：前三篇打地基 → 第四篇核心主战场 → 五六篇落地 → Capstone 收口。
已折入截至 2026 年 5 月的关键事实；更重要的是，它教你的是判断「时效」与「水分」的方法本身，这部分不会过时。
适合有理工科基础、想系统理解 AI × 分子胶的学习者。纯文科、无任何理工背景会比较吃力，但仍可先看导论建立框架。
工具给你一个分数，这门课给你判断那个分数可信度的能力——前者是结果，后者是判断力，后者才稀缺。