本报北京电(记者吴月)为疾病靶点匹配适配的小分子，是靶向药物研发的关键。面对人体内数以万计的潜在靶点，如何快速筛选苗头化合物？近日，清华大学智能产业研究院教授兰艳艳联合该校生命学院、化学系团队，创新研发了人工智能驱动的超高通量药物虚拟筛选平台DrugCLIP，其筛选速度比传统方法提升百万倍，预测准确率也取得显著突破。

依托该平台，团队首次完成了人类基因组级别的药物虚拟筛选，为创新药物发现带来新可能。相关研究成果以“深度对比学习实现基因组级别药物虚拟筛选”为题，于北京时间1月9日在线发表于国际学术期刊《科学》。

兰艳艳介绍，人类基因组编码2万余个蛋白，受传统工具效率等制约，现有蛋白靶点开发只覆盖其中小部分。团队创新将传统的分子对接方法，转化为蛋白口袋与小分子在向量空间中的高效语义检索。基于128核中央处理器和8张图形处理器的计算节点，DrugCLIP可在1天内完成10万亿次蛋白—配体打分，较传统方法提速百万倍。

速度提升，准确性如何？团队进行了一系列实验。例如，去甲肾上腺素转运体是抑郁症等疾病的重要靶点，DrugCLIP从160万个候选分子中，为该靶点筛选出约100个高评分分子。实验检测显示，其中15个为有效抑制剂，12个分子的结合能力优于当前一种常用抗抑郁药物。

目前，依托DrugCLIP，团队完成了覆盖约1万个蛋白靶点、2万个蛋白口袋的虚拟筛选项目，分析筛选超过5亿个类药小分子，富集出超过200万个潜在活性分子，构建了目前已知最大规模的蛋白—配体筛选数据库。

据悉，该数据库已免费面向全球科研社区开放，为基础研究与早期药物发现提供数据支持。筛选服务平台也同步上线，支持对用户上传的靶点和蛋白口袋进行定制化筛选，截至论文发表时，已累计服务1400余名用户完成1.35万余次筛选。

兰艳艳说，DrugCLIP平台有助于在抗癌、传染病、罕见病等方向上，加速新靶点与首创新药的发现。团队将持续优化引擎性能，拓展支持模态，助力构建更智能、高效、普惠的药物创新生态。