清华团队登Science：AI加速药物筛，提速达千万倍
人类体内约有 20000 个与疾病相关的蛋白质编码基因，但目前只有约 10% 被现有药物成功靶向。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
在传统实验中，科学家们用“分子对接”来虚拟筛选药物，这不仅耗时耗钱，也难以覆盖如此庞大的靶点数量。长久以来，科学家们都在苦苦探索一种更高效、更鲁棒的方法。
就在今天，清华大学联合研究团队给出了一个新的“解法”，创新地提出了“AI 对比深度学习”框架——DrugCLIP。
据介绍，该框架可实现超高速且高精度的虚拟筛选，其速度最高可比传统分子对接方法快 10 万倍，并在多项 in silico 基准测试中持续优于多种基线方法。相关研究成果已发表在权威科学期刊Science上。
论文链接：
https://www.science.org/doi/10.1126/science.ads9530
该论文的 5 位共同一作均来自清华大学，分别：Yinjun Jia、Bowen Gao、Jiaxin Tan、Jiqing Zheng、Xin Hong。通讯作者为：清华大学万国数据教授&智能产业研究院（AIR）副院长兰艳艳、清华大学生命科学学院助理教授张伟、清华大学生命科学学院副教授闫创业、清华大学化学系教授刘磊。
DrugCLIP是什么？
DrugCLIP 的核心创新点是将虚拟筛选重新定义为一种密集检索（dense retrieval）任务。
具体来说，模型分别将蛋白结合口袋和小分子编码成向量，并映射到同一个表示空间中，只需比较两者的相似程度，就能判断小分子是否可能与蛋白结合。
通过对比学习，模型拉近正样本蛋白–配体对的表示，拉远无关分子，从而在海量分子中快速筛出最有可能结合的候选者，使虚拟筛选从高成本计算转向高效检索。
图｜DrugCLIP 框架
1.训练流程
在预训练阶段，研究团队提出了 ProFSA 框架，从已有的蛋白结构中生成大规模合成数据。他们基于蛋白质数据库 PDB 构建了约 550 万对训练样本。
该框架将蛋白内部的短肽片段视作“伪配体”，其周围区域视作“伪结合口袋”。由于蛋白内部相互作用与蛋白–小分子结合在物理机制上高度相似，这种方式可以在没有真实配体的情况下，让模型提前学习结合规律。
随后，研究团队对预训练模型进行了微调，即使用真实解析的蛋白–小分子复合物进行联合优化。考虑到虚拟筛选中往往无法获得分子的真实结合构象，他们采用 RDKit 生成随机构象进行数据增强，使模型更贴近真实应用场景。
最终，在实际筛选时，DrugCLIP 只需计算向量相似度即可完成排序，大幅提升了筛选效率，为超大规模药物研发提供了现实可行的技术路径。
2.GenPack 策略
在通过计算机模拟（in silico）和湿实验（wet-lab）验证 DrugCLIP 模型的有效性之后，研究团队将其进一步应用于计算预测得到的蛋白质结构。但 DrugCLIP 对蛋白侧链的误差并不敏感，为了进一步释放预测结构的潜力，研究团队提出 GenPack（Generation-Packing） 策略。
GenPack 通过在固定蛋白骨架条件下生成候选分子，反向“引导”蛋白口袋进入更有利于结合的状态，并在随后进行结构精修。
借助这一策略，DrugCLIP 在 AlphaFold2 预测结构和 apo 结构上的活性分子富集能力均显著提升，整体性能优于此前常用的基于物理模型的方法。
基于DrugCLIP的全基因组虚拟筛选
研究团队使用 DrugCLIP 模型对来自 ZINC 和 Enamine REAL 数据库的 5 亿多种类药小分子进行了大规模虚拟筛选。
整个过程共完成了超过 10 万亿次蛋白–配体打分计算，但仅在一台配备 8 张 A100 GPU 的计算节点上、约 24 小时内完成，显示出该方法在效率上的显著优势。
最终，他们构建了 GenomeScreenDB 数据库，覆盖近 1 万个人类靶点、2 万多个结合口袋，共收录 200 多万个潜在命中小分子。相关分子结构、对接构象及评分信息均已对外开放，开创了后 AlphaFold 时代药物研发新范式。
图｜全基因组虚拟筛选结果的 t-SNE 可视化及示例。
实验结果
实验表明，DrugCLIP 速度最高可比传统分子对接方法快 1000 万倍。
在对包含约 264 万个分子的 LIT-PCBA 数据集进行筛选时，传统分子对接软件 Glide-SP 需耗时约3 天，而 DrugCLIP 在顺序计算模式下仅需 38 秒；在使用 GPU 并行计算时，完成相同计算量所需时间更仅为 0.023 秒。
图｜在 LIT-PCBA 数据集上的筛选速度对比。
在湿实验中，DrugCLIP 针对去甲肾上腺素转运体取得了15% 的命中率，并成功解析了两种筛选得到的抑制剂与靶蛋白的复合物结构。对于甲状腺激素受体相互作用因子 12（TRIP12）这一缺乏全配体结构和小分子结合物的靶点，DrugCLIP 仅依赖 AlphaFold2 预测结构便实现了17.5% 的命中率。
图｜湿实验的实验结果。
随着 AlphaFold3、RoseTTAFold All-Atom 等新一代结构预测模型，以及结构–亲和力联合预测方法的不断成熟，虚拟筛选正从“快速搜索”迈向“精准决策”。
研究团队表示，在未来的研究中，将 DrugCLIP 等超高速虚拟筛选框架与新一代结构建模及亲和力预测技术相融合，有望在整个人类基因组范围内实现更深入、更系统的药物发现研究，有助于构建更精确的“可成药基因组”图谱，为提高药物研发的效率奠定坚实基础。
相关攻略
嗅觉是生命体感知外界化学环境最古老且精细的感官功能之一，在觅食、避险、社会交流和行为调控中发挥基础性作用。嗅觉受体（olfactory receptor,or）是嗅觉的分子基础，也是数量最多的一类g
2026 年清华大学第一篇 Science 论文花落清华大学智能科学讲席教授、智能产业研究院（AIR）院长张亚勤院士团队，该学院的兰艳艳教授团队和合作者研发出一款名为 DrugCLIP 的 AI 工
闻乐 发自 凹非寺量子位 | 公众号 QbitAI一天筛选十万亿次，中国AI找药又有新突破！清华大学智能产业研究院（AIR）联合清华大学生命学院、清华大学化学系在Science上发表论文：《深度对比
人类体内约有 20000 个与疾病相关的蛋白质编码基因，但目前只有约 10% 被现有药物成功靶向。在传统实验中，科学家们用“分子对接”来虚拟筛选药物，这不仅耗时耗钱，也难以覆盖如此庞大的靶点数量。长
热门专题
热门推荐
清明节假期期间，A 股和港股休市，但比特币行情永不停歇。 4月6日，当多数市场还在假期中沉睡时，比特币已经悄然启动。价格从亚洲早盘的低点67400美元出发，一路向上试探，盘中最高涨破70300美元，不仅刷新了3月26日以来的高位，较日内低点的涨幅也超过了4%。以太坊的表现同样不俗，从2050美元附近
4月5日消息，日前，REDMI K90至尊版通过3C认证，预计将于本月发布。今日，小米中国区市场部总经理魏思琪用小米新机发布微博，不出意外，这正是即将登场的REDMI K90至尊版，这将是小米首款配
WPS演示中图表不随数据更新时，可通过四种方法实现自动同步：一、用OFFSET+COUNTA定义动态名称绑定图表；二、用组合框控件联动VLOOKUP提取数据；三、用数据透视图配合切
聚焦数字技术，释放创新动能。为集中展示静安区区块链技术从“实验室”走向“应用场”的丰硕成果，挖掘一批可复制、可推广的行业解决方案，加速构建区块链产业生态闭环，静安区数据局特推出“静安区区块链创新应用
太空中的马桶堵了，边飞边修还能勉强用。但中东被点燃的火药桶，美国怎么来扑灭？靠一再延期的“最后通牒”？还是靠无底线的轰炸？2300万美元的马桶美国航空航天局4名宇航员1日搭乘“猎户座”飞船升空，执行