首个引入蛋白质动态信息高效预测药物的AI模型

基于靶标的药物筛选是基于功能蛋白的亲和或功能筛选，因此获得具有足够活性的小分子是实现成功药物筛选的关键因素之一。准确预测小分子和靶蛋白之间的结合亲和力是药物开发中的一个主要挑战。

在本次研究中，德瑞芝药业将团队的制药经验与AI技术深度融合。基于对蛋白质结构多样性的深刻理解，团队构建了具有代表性结构的蛋白质小样本数据集，经过蛋白质动力学模拟后获得其动态信息。在此基础上，建立了人工智能预训练模型。该模型优于以往基于蛋白质三维静态结构信息的AI模型，是目前最好的。它为药物-蛋白质亲和筛选提供了强有力的工具。

国际人工智能权威李子青(乔春明，西湖大学人工智能讲座教授)指出，传统的药物蛋白质结合理论是基于蛋白质静态构象的假设，但实际上蛋白质构象在药物结合前后发生了变化。本研究试图预测蛋白质-药物结合动力学。首次将蛋白质的时空动态信息引入预训练模型，设计等值线匹配网络学习蛋白质构象几何变形条件下药物亲和力的变化，从而更准确地完成药物-蛋白质亲和力预测的核心任务，提高AI药物设计的有效性。这项工作为该领域的研究提供了一个新的基准。