清華大學智能產(chǎn)業(yè)研究院（AIR）蘭艷艷教授團隊攜手生命學院、化學系科研人員，共同開發(fā)出一款名為DrugCLIP的AI驅(qū)動超高通量藥物虛擬篩選平臺，相關(guān)成果已正式發(fā)表于國際頂級學術(shù)期刊《科學》（Science）。該研究以《深度對比學習實現(xiàn)基因組級別藥物虛擬篩選》為題，首次實現(xiàn)了對人類基因組規(guī)模的藥物虛擬篩選全覆蓋。

當前藥物研發(fā)領(lǐng)域面臨重大挑戰(zhàn)：已知可成藥靶點僅占人體全部潛在靶點的10%，而剩余數(shù)萬個靶點對應(yīng)的化學空間探索仍受限于傳統(tǒng)篩選技術(shù)的效率瓶頸。傳統(tǒng)方法在速度與準確性上難以兼顧，導致新藥發(fā)現(xiàn)周期漫長且成本高昂。

DrugCLIP平臺通過深度對比學習技術(shù)，將篩選速度較傳統(tǒng)方法提升百萬倍量級，同時在預(yù)測精度上取得突破性進展。研究團隊利用該平臺完成了全球首個覆蓋人類全基因組的虛擬篩選項目，系統(tǒng)分析了約1萬個蛋白靶點、2萬個蛋白結(jié)合位點，并對超過5億個類藥小分子進行評估，最終成功富集出200余萬個具有潛在活性的分子。

基于此次篩選構(gòu)建的蛋白-配體相互作用數(shù)據(jù)庫，已成為當前已知規(guī)模最大的同類資源庫。該數(shù)據(jù)庫已通過開放獲取模式向全球科研機構(gòu)共享，為抗腫瘤、抗感染等重大疾病的新藥研發(fā)提供關(guān)鍵數(shù)據(jù)支撐。研究團隊特別指出，數(shù)據(jù)庫包含的分子結(jié)構(gòu)信息與靶點結(jié)合特征，可顯著縮短先導化合物優(yōu)化周期。

此次突破標志著AI技術(shù)深度融入藥物發(fā)現(xiàn)全流程，為解決傳統(tǒng)研發(fā)模式中的"靶點荒"問題提供了全新范式。該成果不僅展現(xiàn)了多學科交叉研究的創(chuàng)新潛力，更為全球科研人員探索未知靶點空間開辟了高效技術(shù)路徑。

項目相關(guān)技術(shù)文檔與原始論文可通過指定學術(shù)平臺獲取，研究團隊表示將持續(xù)優(yōu)化算法模型，推動藥物虛擬篩選技術(shù)向更高精度、更大規(guī)模方向發(fā)展。