基于蛋白质分块学习的大模型在药物发现领域的应用研究 llm 深度神经网络
基于蛋白质分块学习的大模型在药物发现领域的应用研究 llm 深度神经网络
1. 引言与背景
1.1 蛋白质分块学习的概念界定
蛋白质分块学习是一种将复杂蛋白质结构或序列分解为局部子单元进行处理的机器学习技术。其核心思想是通过将蛋白质分割成片段、子口袋或残基块等局部单元,来简化蛋白质 - 配体相互作用的建模难度,并提高模型的计算效率和泛化能力(1)。
在药物发现领域,蛋白质分块学习技术具有多种实现形式。其中最具代表性的是基于片段的方法,如清华大学团队提出的 ProFSA(Protein Fragment-Surrounding Alignment)框架,该方法从蛋白质结构中提取 1-8 个连续残基的片段作为伪配体,并将其周围 6Å 范围内的残基定义为伪口袋,成功生成了 550 万个训练样本。另一种重要形式是基于子口袋的方法,如 DrugGPS 模型提出的子口袋原型学习,通过学习子口袋原型和构建全局相互作用图来建模子口袋原型与分子基序之间的相互作用(58)。
1.2 药物发现领域的技术需求
传统药物发现面临着巨大的技术挑战。人类基因组包含约 2 万个蛋白编码基因,但目前仅有约 10% 的蛋白质成为 FDA 批准药物的靶点或拥有已知小分子结合物。传统虚拟筛选方法的计算成本极高,即使最先进的方法筛选 10 亿个化合物对抗单个靶点也需要 2 周时间和 1 万个 CPU 核心,当面对全基因组规模的筛选需求时,这种计算成本变得完全无法承受。
深度学习方法虽然在药物发现中展现潜力,但同样面临推理速度慢、训练数据异质性强、泛化能力有限等挑战。特别是在处理大规模蛋白质结构数据时,传统方法的计算复杂度往往达到 O (N²) 级别,严重限制了其在全基因组药物发现中的应用。
1.3 蛋白质分块学习的技术优势
蛋白质分块学习技术在药物发现中展现出多重优势。首先是计算效率的显著提升,通过将复杂的全局相互作用分解为局部相互作用,模型的计算复杂度可以从 O (N²) 降低到 O (N) 级别。其次是泛化能力的增强,分块学习能够捕捉蛋白质内部的局部相似性模式,使模型能够更好地泛化到未见过的蛋白质靶点(58)。
在实际应用中,蛋白质分块学习技术已经在多个方面展现出优异性能。例如,在虚拟筛选任务中,基于分块学习的 DrugCLIP 模型比传统对接方法快 1000 万倍,在 LIT-PCBA 数据集上的筛选仅需 38 秒。在分子生成任务中,基于子口袋原型学习的 DrugGPS 模型在具有挑战性的分布外设置中始终优于基线方法,能够生成具有高亲和力的现实药物候选物(58)。
2. 蛋白质分块学习大模型的分类与架构
2.1 开源模型
2.1.1 AlphaFold 系列
AlphaFold 是 DeepMind 开发的革命性蛋白质结构预测模型,其开源版本提供了强大的分块学习能力。AlphaFold2 的开源实现支持基于块的推理模式,通过将输入张量分割成块、模块特定的子批量维度,然后按块顺序处理这些模块来抑制推理过程中的内存成本(88)。
在 OpenFold 等开源实现中,分块(chunking)功能在推理模式下默认启用,可以通过设置全局块大小参数来控制。对于不同硬件条件,模型提出了动态分片机制(Dynamic Sharding),通过配置 pair_transition_shard_spec 参数,可根据输入序列长度自动调整计算分片大小,使 40GB 显存的 GPU 也能处理 3072 个 tokens 的输入(84)。
FastFold 作为 AlphaFold 的高效实现,提出了 AutoChunk 技术,能够自适应地为推理生成块策略,识别最优块范围和块大小,以最小成本减少内存使用。实验结果表明,AutoChunk 相比无分块的 OpenFold 减少了 86.0%-92.6% 的内存使用,相比专家设计的分块策略减少了 30.6%-34.4% 的内存使用。
2.1.2 RoseTTAFold
RoseTTAFold 是来自华盛顿大学 David Baker 团队的开源蛋白质结构预测模型,灵感来自 AlphaFold,使用神经网络预测残基之间的距离和方向,这些预测指导 Rosetta 软件生成结构。RoseTTAFold 在 MIT 许可证下开源。
在分块学习方面,RoseTTAFold 的 Rosetta 框架本身就包含了基于片段的方法。Rosetta 结构预测协议通常从使用短肽片段库(通常 3 和 9 个残基长)作为蒙特卡罗移动集的构象空间低分辨率粗粒度搜索开始(41)。这些片段是蛋白质、RNA 或 DNA 骨架的特定构象,通常是短连续单体单元的构象(38)。
2.1.3 其他开源模型
除了 AlphaFold 和 RoseTTAFold,还有多个专门针对药物发现的开源分块学习模型。例如,清华团队开发的 DrugCLIP 模型已经开源,其代码可在 GitHub 上获取(59)。该模型创新性地提出了蛋白质片段 - 周围对齐(ProFSA)预训练框架,通过从蛋白质结构中提取 1-8 个连续残基的片段作为伪配体,并将其周围 6Å 范围内的残基定义为伪口袋,成功生成了 550 万个训练样本。
BindCLIP 是另一个开源的对比 - 生成统一框架,通过 CLIP 风格的对比学习与口袋条件扩散目标联合训练口袋和配体编码器,使姿态级监督直接塑造检索嵌入空间朝向相互作用相关特征(65)。该模型的代码和数据可在 GitHub 上获取(61)。
2.2 工业界应用模型
2.2.1 Insilico Medicine 的 Chemistry 42 平台
Insilico Medicine 开发的 Chemistry 42 平台是工业界领先的基于分块学习的药物发现平台。该平台使用超过 40 个生成模型,包括生成自编码器和生成对抗网络,能够访问基于结构和基于配体的药物设计,并具有利用预测蛋白质结构(如 AlphaFold 中发现的结构)的能力。
Chemistry 42 的分块学习能力体现在其对蛋白质子结构的处理上。平台通过整合蛋白质子口袋和分子臂概念到两阶段生成管道中,首先构建基于蛋白质子口袋和分子臂概念的神经网络,系统地整合相互作用力信息和几何互补性来为特定蛋白质子口袋采样分子臂,随后引入扩散模型生成连接这些臂的分子骨架。
在实际应用中,Chemistry 42 已经取得了显著成果。2025 年 6 月发表在《Journal of Medicinal Chemistry》上的研究显示,使用 Chemistry 42 设计的 FGFR2/3 抑制剂对突变型靶点的抑制活性比传统方法提升 3 个数量级。在 Multi-parameter Molecular Optimization (MUMO-Instruct) 基准测试中,该平台达到了高达 98.8% 的成功率(成功定义为在保持核心骨架的同时优化性质),超越了已建立的专有模型的性能(124)。
2.2.2 Schrödinger 平台
Schrödinger 是计算机辅助药物设计领域的核心平台,集成了物理模拟与机器学习,提供从靶点识别到候选化合物发现的全流程计算解决方案。该平台支持分子设计、预测分析与实验验证的闭环研发流程,通过高精度计算工具优先筛选出值得合成的候选分子,显著提升研发效率(52)。
在分块学习方面,Schrödinger 的现代工作流程已经成功扩展到片段筛选,能够筛选数百万个片段,相比传统高通量筛选的 3k 到 30k 个片段有了巨大提升(51)。平台的片段组合工具能够以最简单的方式将选定的相关片段连接起来,支持基于能量表面的片段自动设计新先导化合物(53)。
Schrödinger 平台的 AI/ML 模型在现代药物发现中已经不可或缺,提供了从蛋白质结构预测到配体性质预测的强大能力,包括 3D 蛋白质 - 配体结合姿态预测或从头分子设计(57)。该平台的物理优先设计方法已经成功应用于多个临床候选药物的开发,例如 TYK2 抑制剂 zasocitinib (TAK-279) 已经进入 III 期临床试验(56)。
2.2.3 其他工业界模型
除了 Insilico Medicine 和 Schrödinger,还有多家制药公司开发了基于分块学习的内部模型。例如,辉瑞、罗氏、赛诺菲等大型制药公司都在开发和应用基于 AI 的分块学习模型用于药物发现。
特别值得注意的是,Insilico Medicine 已经与多家大型制药公司建立了合作关系。2022 年 11 月,该公司与赛诺菲宣布了独家全球许可协议;2023 年 9 月,与 Exelixis 宣布了另一个独家全球许可协议;2024 年 1 月,与 Menarini 集团签署了独家许可协议。这些合作充分证明了基于分块学习的 AI 平台在工业界的应用价值。
2.3 学术研究模型
2.3.1 DrugGPS:基于子口袋原型的可泛化结构药物设计
DrugGPS 是中国科学技术大学研究团队提出的基于子口袋原型学习的可泛化结构药物设计方法。该模型的核心创新在于学习子口袋原型并构建全局相互作用图来建模子口袋原型与分子基序之间的相互作用(58)。
DrugGPS 的技术架构包含几个关键组件。首先是层次图 Transformer 编码器,它包含原子级编码器和残基层编码器,使用强大的 3D 图 Transformer 作为模型主干。原子级编码器处理蛋白质的所有原子,而残基层编码器仅保留每个残基的 Cα 原子并构建残基级别的 K 最近邻图。
在全局相互作用图构建方面,DrugGPS 提出了子口袋原型和分子基序交互图。该图包含两种节点:子口袋原型节点和来自基序词汇表的分子基序节点。通过聚类子口袋嵌入并导出代表性子口袋原型,模型能够捕捉子口袋级别的相似性和不变性(81)。在生成过程中,模型使用基于基序的 3D 分子生成方案,通过全局信息融合步骤增强上下文表示,并逐基序生成配体分子。
实验结果表明,DrugGPS 在具有挑战性的分布外设置中始终优于基线方法,能够生成具有高亲和力的现实药物候选物。该模型的关键优势在于其泛化能力,即使在面对未见过的蛋白质口袋时也能保持良好的性能(58)。
2.3.2 ESM-AA:全原子多尺度蛋白质语言模型
ESM-AA(ESM All-Atom)是北京大学研究团队提出的一种新颖方法,能够实现原子级和残基级统一分子建模。该模型通过在多尺度代码转换蛋白质序列上预训练并利用多尺度位置编码来捕获残基和原子之间的关系(63)。
传统的蛋白质语言模型主要在残基尺度上操作,这限制了它们在原子级提供信息的能力。ESM-AA 通过引入多尺度表示解决了这一限制,使模型能够同时处理蛋白质的不同层次结构。该方法在蛋白质 - 分子任务中超越了以前的方法,展示了蛋白质语言模型的充分利用(63)。
2.3.3 AANet:结构不确定性下的虚拟筛选
AANet 是清华大学研究团队提出的基于对齐和聚合的框架,用于在结构不确定性下实现准确的虚拟筛选。该方法包含两个核心组件:三模态对比学习模块和基于交叉注意力的适配器(67)。
三模态对比学习模块对齐配体、全配口袋和从结构中检测到的空腔的表示,从而增强对口袋定位误差的鲁棒性。基于交叉注意力的适配器用于动态聚合候选结合位点,使模型能够从活性数据中学习,即使没有精确的口袋注释(67)。
在新策划的载脂蛋白结构基准测试中,AANet 在盲载脂蛋白设置中显著优于最先进的方法,将早期富集因子(EF1%)从 11.75 提高到 37.19。值得注意的是,它在全配体结构上也保持了强大的性能(67)。
2.3.4 其他前沿研究模型
除了上述模型,还有多个前沿研究模型值得关注。例如,FragDPI 是武汉大学研究团队提出的基于片段理解和统一编码的新型药物 - 蛋白质相互作用预测模型。与其他方法不同,FragDPI 基于保守片段对序列进行编码,将蛋白质和药物编码成一个统一的载体(14)。
GenDrugCLIP 是另一个重要的研究模型,它是一个生成增强的对比药物 - 靶点表示学习框架。该模型在 DUD-E 基准测试上相比 DrugCLIP 有 5% 的改进,并展示了生成模型在生物分子表示学习中的新作用:除了生成候选化合物用于合成外,它们还可以作为表征结合能力化学空间的数据构建工具(111)。
3. 模型训练方法与技术细节
3.1 训练数据集
3.1.1 蛋白质结构数据库
蛋白质分块学习模型的训练离不开丰富的蛋白质结构数据。主要的蛋白质结构数据库包括 PDB(Protein Data Bank)及其衍生数据集。PDBbind 是一个广泛使用的标准数据库,包含实验测定的蛋白质 - 配体复合物 3D 结构,通常用于分子对接任务(116)。PDBbind 2020 数据集经过 PubChem 生物活性数据增强,以扩展训练集的化学多样性(96)。
在大规模预训练方面,研究人员使用了更加庞大的数据库集合。例如,AlphaFold 的训练使用了多个遗传(序列)数据库,包括 UniRef90、MGnify、BFD、UniClust30、PDB70 和以 mmCIF 格式存储的 PDB 结构(100)。其中,BFD(Big Fantastic Database)是最大的训练数据来源之一,包含 65,983,866 个蛋白质家族,以多序列比对和隐马尔可夫模型表示,覆盖了来自参考数据库、宏基因组和宏转录组的 2,204,359,010 个蛋白质序列。
对于分块学习特定的训练数据,研究人员开发了多种策略来生成合成数据。例如,DrugCLIP 使用 ProFSA 框架从 PDB 数据库的单体蛋白质结构中提取短肽片段(3-7 个氨基酸)作为 “伪配体”,并将其周围 5-8 Å 范围内的残基定义为 “伪口袋”,从而生成了约 550 万个合成数据点用于预训练(91)。
3.1.2 药物 - 靶点相互作用数据集
药物 - 靶点相互作用数据集是训练蛋白质分块学习模型的另一重要数据来源。DUD-E(Directory of Useful Decoys - Enhanced)数据集是最广泛使用的虚拟筛选基准之一,包含 102 个蛋白质靶点的 22,886 个活性化合物。对于每个活性化合物,生成 50 个具有相似物理性质但不同结构的诱饵分子。
LIT-PCBA(Library of Integrated Network-based Cellular Signatures - PubChem BioAssay)数据集包含约 8,000 个活性化合物和 264 万个非活性化合物,涵盖 15 个靶点,来源于 PubChem 生物测定数据库的实验结果。这个数据集的规模更大,更能反映真实的虚拟筛选场景。
CrossDocked2020 是一个新的基于结构的机器学习数据集,包含 2250 万个配体对接姿势,这些配体被对接进 PDB 中多个相似的结合口袋。该数据集用于对基于网格的卷积神经网络模型进行综合评估。
3.1.3 专门的分块学习数据集
针对蛋白质分块学习的特殊需求,研究人员还开发了专门的数据集。例如,DrugGPS 使用 Crossdocked_pocket10.tar.gz 数据集,该数据集包含蛋白质 - 配体复合物的精心策划集合,为评估和开发基于结构的药物设计中预测结合亲和力的计算模型提供了宝贵资源(94)。
一些研究还使用了自定义的数据集。例如,Insilico Medicine 的 Chemistry 42 平台的训练数据来自 ChEMBL、ZINC 等公开来源。ChEMBL 是一个包含生物活性数据的分子数据库,在最新更新中包含 210 万个化合物信息。ZINC 是一个商业可获得分子的数据库,在版本 20 中包含 13 亿个化合物信息(110)。
3.2 预训练策略
3.2.1 自监督学习方法
自监督学习是蛋白质分块学习模型预训练的核心策略之一。通过利用大量未标记的蛋白质结构数据,模型能够学习到蛋白质的通用特征表示。例如,DrugCLIP 采用了创新的 ProFSA(蛋白质片段 - 周围对齐)预训练框架,通过挖掘蛋白质内部相互作用来生成大规模合成训练数据。
ProFSA 的核心洞察是蛋白质内部的非共价相互作用(包括氢键、离子吸引、π-π 堆积等)与蛋白 - 配体相互作用具有相似的物理化学特征。通过从蛋白质结构中提取 1-8 个连续残基的片段作为伪配体,并将其周围 6Å 范围内的残基定义为伪口袋,该方法成功生成了 550 万个训练样本。
在预训练阶段,DrugCLIP 使用 Uni-Mol 作为分子编码器并保持参数冻结,仅训练随机初始化的蛋白口袋编码器。这种训练本质上是一种对比蒸馏,使口袋编码器能够有效继承分子模型中蕴含的几何与化学结构信息。
3.2.2 对比学习框架
对比学习是另一个重要的预训练策略,它通过学习相似样本和不同样本之间的区分来构建特征表示。DrugCLIP 采用双编码器架构,通过对比学习对齐蛋白质口袋和分子的表示,使真实结合对的表示相互接近,而非结合对的表示相互远离。
对比学习的优势在于它不需要精确的亲和力标签,只需要知道哪些分子与特定蛋白质结合,哪些不结合。这大大降低了对训练数据的要求,使得模型能够利用更多的数据进行训练。在 DrugCLIP 的训练中,对比损失函数被定义为最大化正样本对(真实结合对)的相似度,最小化负样本对(非结合对)的相似度。
BindCLIP 进一步扩展了对比学习框架,它联合训练口袋和配体编码器,使用 CLIP 风格的对比学习以及用于结合姿态生成的口袋条件扩散目标。这种设计使姿态级监督直接塑造检索嵌入空间朝向相互作用相关特征(65)。
3.2.3 多任务预训练
一些模型采用多任务预训练策略,同时学习多个相关任务来提高模型的泛化能力。例如,AANet 的三模态对比学习模块同时对齐配体、全配口袋和空腔的表示,从而增强对结构不确定性的鲁棒性(67)。
多任务学习的优势在于它能够从不同角度学习蛋白质和配体的特征,提高模型的综合理解能力。在训练过程中,模型不仅学习预测结合亲和力,还学习预测结合姿态、识别结合口袋等任务,这些任务之间的相互促进有助于提高整体性能。
3.3 优化算法与训练技巧
3.3.1 损失函数设计
蛋白质分块学习模型的损失函数设计通常结合了多种目标。对于对比学习模型如 DrugCLIP,主要使用对比损失函数,其形式为:
L = -log[exp(sim(p, q)/τ) / (exp(sim(p, q)/τ) + Σ(exp(sim(p, q⁻)/τ)))]
其中 p 是蛋白质口袋的嵌入,q 是配体的嵌入,q⁻是负样本配体的嵌入,τ 是温度参数控制 softmax 分布的锐度。
对于回归任务如结合亲和力预测,常用的损失函数包括均方误差(MSE)损失和平均绝对误差(MAE)损失。一些模型还使用了更加复杂的损失函数,例如考虑了不确定性估计的损失函数。
在多任务学习中,损失函数通常是多个任务损失的加权和。例如,一些模型同时优化结合亲和力预测和结合姿态预测,相应的损失函数为:
L_total = λ₁L_affinity + λ₂L_pose + λ₃L_contrastive
其中 λ₁、λ₂、λ₃是不同任务的权重系数(117)。
3.3.2 优化器选择
在优化器选择方面,大多数模型使用了自适应优化算法。Adam 优化器是最常用的选择,它结合了 Adagrad 和 RMSProp 的优点,能够自适应地调整学习率。一些模型还使用了 AdamW 优化器,它在 Adam 的基础上添加了权重衰减,有助于防止过拟合。
学习率调度是优化过程中的关键技术。许多模型使用了余弦退火学习率调度,它在训练过程中逐渐降低学习率,有助于模型收敛到更好的局部最优解。一些模型还使用了 warm-up 策略,在训练初期使用较小的学习率,然后逐渐增加到预设的学习率。
例如,在 AlphaFold 的训练中,使用了带有 warm-up 的余弦退火学习率调度,初始学习率为 0.01,batch size 为 50。训练过程中使用了早停策略,当验证损失在一定步数内没有改善时,自动降低学习率并继续训练。
3.3.3 数据增强技术
数据增强是提高模型泛化能力的重要技术。在蛋白质分块学习中,常用的数据增强方法包括:
-
随机旋转和平移:由于网格本质上依赖于坐标系,输入结构被随机旋转和平移(最多 6Å,只要配体不翻译出盒子)。这种通过姿态修改的数据增强对于基于网格的 CNN 实现良好性能至关重要。
-
构象采样:针对真实虚拟筛选中配体结合构象未知的问题,一些模型引入基于 RDKit 的随机构象采样作为数据增强,以提升模型对构象不确定性的鲁棒性。
-
片段扰动:在基于片段的模型中,对片段进行随机扰动,例如随机删除或替换一些片段,以增强模型对局部结构变化的鲁棒性。
-
负样本挖掘:通过挖掘难负样本(即与正样本相似但实际不结合的样本)来提高模型的区分能力。
4. 性能评估与对比分析
4.1 评估指标体系
4.1.1 虚拟筛选任务指标
在虚拟筛选任务中,最常用的评估指标是富集因子(Enrichment Factor, EF)。EFα 表示在前 α% 的排序分子中活性分子的比例与整个数据集中活性分子比例的比值。例如,EF1% 表示在前 1% 的排序分子中活性分子的比例是整个数据集中活性分子比例的多少倍(114)。
早期富集因子(Early Enrichment Factor, EF1%)是最受关注的指标之一,它反映了模型在筛选早期识别活性分子的能力。在 DUD-E 数据集上,DrugCLIP 的 EF1% 达到了 30.52%,而传统方法如 Glide-SP 的 EF1% 为 16-24%,AutoDock Vina 的 EF1% 仅为 7-10%(113)。
另一个重要指标是受试者工作特征曲线下面积(AUC-ROC),它综合考虑了模型在不同阈值下的分类性能。AUC 值在 0.5 到 1 之间,0.5 表示随机猜测,1 表示完美分类。一些先进模型的 AUC 值已经超过了 0.95(112)。
BEDROC(Boltzmann Enhancement Derived from ROC)是另一个常用指标,它特别关注稀有事件(即活性分子在数据集中占比较小的情况)的检测能力。该指标对早期富集更为敏感,适合评估虚拟筛选模型的性能(112)。
4.1.2 结合亲和力预测指标
在结合亲和力预测任务中,主要使用回归指标进行评估。均方根误差(RMSE)是最常用的指标,它表示预测值与真实值之间差异的标准差:
RMSE = √(1/N Σᵢ(yᵢ - ŷᵢ)²)
其中 yᵢ是真实的结合亲和力,ŷᵢ是预测值,N 是样本数量。
皮尔逊相关系数(Pearson R)和斯皮尔曼相关系数(Spearman R)用于评估预测值与真实值之间的线性相关性。这些指标反映了模型预测趋势的准确性。
在 PDBbind 数据集上,一些先进模型的 RMSE 已经达到 1.42 kcal/mol,皮尔逊相关系数达到 0.612。在更严格的聚类交叉验证设置下,性能会有所下降,但仍然保持在较高水平。
4.1.3 蛋白质 - 配体对接指标
在蛋白质 - 配体对接任务中,主要评估指标是均方根偏差(RMSD),它表示预测的结合姿态与真实晶体结构之间的距离偏差。RMSD 越小,说明预测的姿态越准确。
对接成功率是另一个重要指标,通常定义为 RMSD 小于 2Å 或 1Å 的预测姿态在所有预测姿态中的比例。一些先进模型的对接成功率已经达到 68.4% 以上。
除了 RMSD,一些研究还使用了其他指标,如 LDDT(Local Distance Difference Test),它评估预测结构与真实结构在局部区域的相似性。LDDT 值在 0 到 1 之间,越高表示局部结构越准确。
4.2 主要模型性能对比
4.2.1 虚拟筛选性能对比
在虚拟筛选性能方面,基于蛋白质分块学习的模型展现出了显著优势。根据最新的基准测试结果,各模型在 DUD-E 和 LIT-PCBA 数据集上的性能对比如下:
| 模型 | DUD-E EF1% | LIT-PCBA EF1% | 运行时间 |
|---|---|---|---|
| DrugCLIP | 30.52% | 5.51% | 38 秒 |
| BindCLIP | 32.16% | - | - |
| Glide-SP | 16-24% | 2.50% | 3 天 |
| AutoDock Vina | 7-10% | - | - |
| Surflex-Dock | - | 2.50% | - |
数据来源:(113)
BindCLIP 作为 DrugCLIP 的改进版本,在 DUD-E 上的 EF1% 达到 32.16%,比 DrugCLIP 提升了约 5%。同时,BindCLIP 的 AUROC 从 55.45 提升到 59.15(+6.7%),BEDROC 从 6.41 提升到 7.88(+23%),EF@0.5% 从 8.24 提升到 9.84(+19%)。
在计算效率方面,基于分块学习的模型展现出了压倒性优势。DrugCLIP 在 LIT-PCBA 数据集上的筛选仅需 38 秒,而传统的 Glide 对接需要 3 天时间,实现了超过 1000 万倍的速度提升。当采用 GPU 并行计算时,相同计算量仅需 0.023 秒完成。
4.2.2 结合亲和力预测性能对比
在结合亲和力预测任务中,不同模型的性能对比如下:
| 模型 | PDBbind RMSE (kcal/mol) | Pearson R | 训练数据 |
|---|---|---|---|
| 5 个 CNN 集成模型 | 1.42 | 0.612 | CrossDocked2020 |
| Def2018 CNN | - | 0.70 | PDBbind Refined |
| 聚类交叉验证模型 | - | 0.56 | PDBbind General |
数据来源:
从表中可以看出,使用更大规模数据集(CrossDocked2020)训练的集成模型取得了最佳性能。然而,在更严格的聚类交叉验证设置下,性能会有所下降,这反映了模型在面对新靶点时的泛化挑战。
值得注意的是,训练数据的选择对性能有重要影响。使用 PDBbind General 集(包含更多但质量较低的数据)训练的模型在 Core 集上的预测性能优于使用 Refined 集训练的模型,这表明质量控制可能过于严格,不利于机器学习模型的训练。
4.2.3 蛋白质结构预测性能对比
在蛋白质结构预测方面,AlphaFold 系列模型已经达到了原子级精度。根据最新评估,AlphaFold 2 预测的结构与实验结构之间的中位 RMSD 为 1.0 Å,而同一蛋白质不同实验结构之间的中位 RMSD 为 0.6 Å。这表明 AlphaFold2 预测的整体折叠通常是正确的(119)。
AlphaFold 3 进一步提升了性能,达到了原子级精度,平均误差仅为 0.45Å RMSD。在 PoseBusters 基准测试中,AlphaFold 3 的配体 RMSD 成功率达到 77%,当使用载脂蛋白结构提示时,成功率提高到 81%(123)。
在蛋白质 - 配体复合物预测方面,AlphaFold 3 首次实现了从单一蛋白质到蛋白质 - 蛋白质、蛋白质 - 核酸、蛋白质 - 配体等复杂复合体的预测能力扩展,并且首次实现了动态构象变化的预测。
4.3 计算效率分析
计算效率是蛋白质分块学习模型的重要优势之一。传统的分子对接方法需要在数百万个构象中进行搜索,计算复杂度为 O (N²),其中 N 是分子数量。而基于分块学习的方法通过预编码和快速检索,将计算复杂度降低到 O (M+N),其中 M 是靶点数量,N 是化合物数量。
在实际应用中,这种效率提升是惊人的。DrugCLIP 在 8 块 A100 GPU 上每秒可处理约 100 万个分子,而 Glide-SP 在单核 CPU 上每秒仅能处理约 0.1 个分子。这意味着 DrugCLIP 的速度是传统方法的 1000 万倍以上。
更重要的是,基于分块学习的方法支持大规模并行计算。在全基因组虚拟筛选中,DrugCLIP 使用 8 个 A100 GPU 在 24 小时内完成了超过 10 万亿次蛋白 - 配体评分操作,筛选了超过 5 亿个类药化合物。这种计算效率使得全基因组药物筛选成为可能。
在内存使用方面,分块学习技术也展现出优势。例如,FastFold 的 AutoChunk 技术能够自动确定最优分块策略,将内存使用减少 80% 以上,同时保持计算速度。这使得研究人员能够在有限的硬件资源上处理更大的蛋白质和更复杂的系统。
5. 应用案例与实际效果
5.1 药物发现成功案例
5.1.1 DrugCLIP 的靶点发现案例
DrugCLIP 在多个真实靶点上的成功应用充分证明了基于蛋白质分块学习的大模型在药物发现中的实用价值。在 5 - 羟色胺 2A 受体(5HT2AR)靶点上,研究团队使用 DrugCLIP 筛选了 ChemDiv 数据库中的 1648137 个库存分子,最终发现 8 个在钙离子流动检测中显示激动活性的化合物,其中 6 个的结合常数 Ki 值小于 10μM。最佳化合物在 NanoBit 检测中实现了 60.3nM 的 EC50 值和高最大效应,为开发新型非致幻抗抑郁药物提供了重要线索。
去甲肾上腺素转运蛋白(NET)是另一个成功案例。针对 NET,DrugCLIP 从 100 个候选化合物中识别出 15% 显示超过 60% 抑制活性的化合物,其中 12 个的活性优于广泛使用的抗抑郁药安非他酮。特别值得注意的是,化合物 0086-0043 和 Y510-9709 分别实现了 1.14μM 和 0.31μM 的 IC50 值,通过冷冻电镜结构解析确认了这些化合物与 NET 蛋白的结合模式,验证了 DrugCLIP 预测的准确性。
最具挑战性的验证来自甲状腺激素受体相互作用蛋白 12(TRIP12),这是一个缺乏实验全息结构和已知小分子结合物的 E3 泛素连接酶。仅基于 AlphaFold2 预测结构,DrugCLIP 筛选 57 个候选化合物,通过表面等离子体共振检测实现 17.5% 的命中率。最佳化合物 E599-0223 和 G935-3912 分别显示 10.8μM 和 11.9μM 的解离常数,并在酶活性检测中确认了剂量依赖性抑制作用。
5.1.2 Insilico Medicine 的临床进展
Insilico Medicine 基于分块学习的 AI 平台已经在多个临床项目中取得了突破性进展。该公司的领先药物 INS018_055 是一种小分子药物,设计用于治疗包括特发性肺纤维化在内的纤维化相关适应症,是首个针对 AI 发现靶点(TNIK)的生成 AI 设计药物进入 II 期临床试验(130)。
INS018_055 的开发过程充分展示了 AI 驱动药物发现的优势。该药物的靶点 TNIK(TRAF2 - 和 NCK - 相互作用激酶)是通过 Insilico 的 AI 平台 PandaOmics 发现的,随后使用 Chemistry 42 平台设计了针对该靶点的小分子抑制剂。整个过程从靶点发现到临床候选物提名仅用了不到两年时间,而传统药物发现通常需要 4.5 年以上。
在 2024 年 9 月公布的 IIa 期临床试验结果中,INS018_055 在所有剂量水平上都满足了安全性和耐受性的主要评估项目。在次要有效性评估项目方面也报告了良好的结果,观察到 FVC(用力肺活量)的剂量依赖性改善。接受 60mg 每日一次 INS018_055 治疗的患者显示出最大的 FVC 改善。
Insilico Medicine 的另一个重要进展是 ISM0387 的开发,这是一种 MTA 合作的 PRMT5 抑制剂,具有 AI 驱动的新颖结构,显示出改善的体外活性和选择性,增强的脑渗透特性,以及在疾病模型中的强效、剂量依赖性功效(132)。
5.1.3 其他成功应用案例
除了上述案例,还有多个基于蛋白质分块学习的成功应用。例如,在 FGFR2/3 抑制剂的设计中,使用 Chemistry 42 平台设计的化合物对突变型靶点的抑制活性比传统方法提升了 3 个数量级。这一成果发表在 2025 年 6 月的《Journal of Medicinal Chemistry》上,充分展示了 AI 平台在克服耐药性突变方面的潜力。
在 HPK1 抑制剂的开发中,Insilico Medicine 的研究团队在 45 天内完成了螺环系列 HPK1 抑制剂的合成和优化,不仅实现了纳摩尔级 HPK1 抑制活性,还通过 Chemistry 42 平台获得了对 GLK 的良好激酶选择性。
在阿联酋的首个临床前候选物提名项目中,基于 Chemistry 42 及其 40 多个模型,Insilico 的团队筛选了 90 个 AI 驱动的新型候选物,考虑了多个参数并专注于中枢神经系统特异性特征,仅用 6 个月就完成了先导发现阶段(132)。
5.2 工业界采用情况
5.2.1 制药公司合作案例
基于蛋白质分块学习的 AI 平台已经获得了制药工业界的广泛认可和采用。Insilico Medicine 已经与多家大型制药公司建立了重要合作关系。2022 年 11 月,该公司与赛诺菲宣布了独家全球许可协议,这是该公司最大的合作伙伴关系。2023 年 9 月,与 Exelixis 宣布了另一个独家全球许可协议。2024 年 1 月,与 Menarini 集团签署了独家许可协议。
这些合作不仅带来了可观的收入,更重要的是验证了 AI 平台的商业价值。根据公开信息,Insilico Medicine 已经从这些合作中获得了数亿美元的收入,其中包括与礼来公司达成的 27.5 亿美元合作协议,用于 AI 驱动的药物开发(49)。
除了 Insilico Medicine,其他 AI 制药公司也在积极与传统制药企业合作。例如,Schrödinger 平台已经被多家制药公司采用,用于从靶点识别到候选化合物发现的全流程药物研发。该平台的物理优先设计方法已经成功应用于 TYK2 抑制剂 zasocitinib (TAK-279) 的开发,该药物已经进入 III 期临床试验(56)。
5.2.2 技术平台的商业化进展
基于蛋白质分块学习的 AI 技术平台正在快速商业化。Insilico Medicine 已经建立了完整的产品体系,包括 PandaOmics(靶点发现平台)、Chemistry 42(分子设计平台)、InClinico(临床试验预测平台)等。这些平台已经被 40 多家制药公司使用,用于推进他们的研发项目。
在技术输出方面,Insilico Medicine 不仅授权了他们的 AI 设计药物,还授权了 AI 平台技术本身。例如,该公司已经将其 AI 平台技术授权给多家公司,包括辉瑞、Arvinas、APRINOIA Therapeutics、强生制药、安斯泰来制药、先正达等。
商业化的成功还体现在融资方面。Insilico Medicine 已经筹集了超过 4 亿美元的资金,投资者包括 Prosperity7(沙特阿美增长风险基金)、B Capital Group、华平投资、BHR Partners、启明创投、Deerfield、Pavilion Capital 等知名投资机构。
5.2.3 产业生态系统建设
基于蛋白质分块学习的 AI 药物发现正在形成完整的产业生态系统。这个生态系统包括:
-
技术平台提供商:如 Insilico Medicine、Schrödinger、Recursion Pharmaceuticals 等,提供从靶点发现到临床前研究的全流程 AI 平台。
-
数据服务提供商:提供高质量的生物数据、化学数据和临床数据,支持 AI 模型的训练和验证。
-
计算资源提供商:提供云计算、GPU 集群等计算资源,支持大规模 AI 模型的训练和推理。
-
合同研究组织(CRO):提供实验验证、临床试验等服务,将 AI 设计的化合物转化为临床候选物。
-
投资机构:为 AI 制药公司提供资金支持,推动技术创新和商业化进程。
这个生态系统的形成大大加速了 AI 驱动药物发现的发展。例如,通过与 CRO 的合作,AI 设计的化合物可以快速进入实验验证阶段。通过云计算资源,研究人员可以在短时间内完成大规模的虚拟筛选和分子设计。
6. 总结与展望
6.1 技术发展总结
基于蛋白质分块学习的大模型在药物发现领域已经取得了革命性进展。从技术发展的角度看,这一领域呈现出以下特点:
首先,模型架构日趋成熟和多样化。从早期的单一序列模型发展到现在的多模态模型,从简单的神经网络发展到复杂的 Transformer 架构,从单一任务模型发展到多任务学习模型。特别是分块学习技术的引入,使得模型能够更好地处理复杂的蛋白质结构和大规模的化学空间。
其次,训练策略不断创新。自监督学习、对比学习、多任务学习等策略的成功应用,使得模型能够从海量的未标记数据中学习到丰富的生物学知识。特别是 ProFSA 等创新的预训练方法,通过挖掘蛋白质内部相互作用生成大规模合成数据,为解决数据稀缺问题提供了新思路。
第三,性能提升显著。在虚拟筛选任务中,基于分块学习的模型已经将速度提升了 1000 万倍以上,同时保持了良好的准确性。在蛋白质结构预测方面,AlphaFold 系列模型已经达到了原子级精度。在分子生成任务中,AI 设计的化合物在多个指标上超越了传统方法。
第四,应用场景不断拓展。从最初的蛋白质结构预测,扩展到虚拟筛选、分子设计、靶点发现、临床试验预测等全流程药物发现环节。特别是在 “不可成药” 靶点的开发、耐药性突变的克服、罕见病药物的研发等传统方法难以解决的问题上,AI 技术展现出了独特优势。
6.2 未来发展趋势
展望未来,基于蛋白质分块学习的大模型在药物发现领域将呈现以下发展趋势:
-
模型能力的进一步提升:随着计算能力的增强和算法的改进,未来的模型将能够处理更复杂的系统,如蛋白质复合物、动态构象变化、细胞环境中的蛋白质 - 药物相互作用等。多模态模型将整合更多信息源,如基因组学、转录组学、蛋白质组学、代谢组学等数据。
-
泛化能力的持续改进:当前模型在面对新靶点时的泛化能力仍然有限,未来的研究将重点关注如何提高模型的跨靶点、跨疾病、跨物种的泛化能力。这可能通过改进预训练策略、引入更多先验知识、开发新的表示学习方法等途径实现。
-
与实验技术的深度融合:AI 模型与实验技术的结合将更加紧密。例如,AI 指导的实验设计、实时实验数据的反馈优化、自动化实验平台的集成等。这种融合将大大加速从 AI 设计到实验验证的迭代过程。
-
产业应用的全面普及:随着技术的成熟和成本的降低,基于蛋白质分块学习的 AI 技术将在制药工业中得到更广泛的应用。预计未来 5-10 年内,大部分制药公司都将采用某种形式的 AI 平台进行药物研发。
-
新型计算范式的探索:量子计算、神经形态计算等新型计算范式可能为蛋白质分块学习带来新的突破。特别是在处理大规模优化问题、复杂的量子化学计算等方面,新型计算技术可能提供指数级的性能提升。
6.3 面临的挑战与机遇
尽管基于蛋白质分块学习的大模型在药物发现领域已经取得了巨大成功,但仍面临一些挑战:
技术挑战:
-
模型的可解释性仍然是一个重要问题。深度学习模型往往被视为 “黑盒”,难以解释其决策过程,这在需要严格监管的药物发现领域尤为重要。
-
数据质量和标注的挑战。高质量的训练数据仍然稀缺,特别是对于罕见疾病、新靶点等领域。
-
计算资源的需求仍然很高。训练和运行大规模模型需要大量的 GPU 资源,这限制了技术的普及。
-
模型的鲁棒性有待提高。面对结构不确定性、构象变化等复杂情况,模型的性能可能下降。
伦理和监管挑战:
-
AI 设计药物的安全性评估需要新的标准和方法。
-
数据隐私和知识产权保护面临新的挑战。
-
AI 技术可能加剧医疗资源分配的不平等。
然而,这些挑战也带来了机遇:
-
技术创新的机遇:挑战推动了新算法、新架构、新方法的开发,促进了整个领域的技术进步。
-
市场需求的机遇:随着人口老龄化和疾病谱的变化,对新药的需求不断增长,为 AI 药物发现提供了巨大的市场空间。
-
政策支持的机遇:各国政府都在加大对 AI 和生物医药产业的支持力度,为技术发展提供了良好的政策环境。
-
国际合作的机遇:药物发现是全球性挑战,需要国际合作。AI 技术的发展为跨国合作提供了新的平台和机会。
总的来说,基于蛋白质分块学习的大模型在药物发现领域正处于快速发展期,技术突破不断涌现,应用前景广阔。虽然面临一些挑战,但随着技术的不断进步和产业生态的日益完善,我们有理由相信,这一技术将在未来的药物发现中发挥越来越重要的作用,为人类健康事业做出更大贡献。
参考资料
[1] 一种蛋白质-配体结合位点与亲和力预测方法及系统 https://www.xjishu.com/zhuanli/05/202511007301.html
[2] 图文详情——科普中国资源服务 https://cloud.kepuchina.cn/h5/detail?id=7147324538416463872
[3] DrugProtAI: A machine learning–driven approach for predicting protein druggability through feature engineering and robust partition-based ensemble methods https://academic.oup.com/bib/article/26/4/bbaf330/8193855
[4] 当 神经 网络 看透 三维 生命 密码 , 药物 设计 秒 变 拼图 游戏 ~
# AI 算法 # 分子 对接 # 生物 制药 https://www.iesdouyin.com/share/video/7501633287371246884/?region=&mid=7501633675684088628&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=3Eg0II0TJ3i7Uk18xYZF2qYfLtj2qSAGVMzsYUn_3X4-&share_version=280700&ts=1777062326&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D
[5] 清华大学药学院田博学课题组基于蛋白质语言模型和对比学习预测蛋白质-小分子结合位点-清华大学医学院 https://www.med.tsinghua.edu.cn/info/1026/5907.htm
[6] FCS | 文章解读:FragDPI——基于片段理解和统一编码的新型药物-蛋白质相互作用预测模型—论文—科学网 https://news.sciencenet.cn/htmlpaper/2024/1/202412512384369694428.shtm
[7] Learning Subpocket Prototypes for Generalizable Structure-based Drug Design(pdf) https://proceedings.mlr.press/v202/zhang23z/zhang23z.pdf
[8] CONCEPT-DRIVEN DEEP LEARNING FOR ENHANCED PROTEIN-SPECIFIC MOLECULAR GENERATION(pdf) https://arxiv.org/pdf/2503.08160
[9] Incorporating targeted protein structure in deep learning methods for molecule generation in computational drug design(pdf) https://pubs.rsc.org/en/content/articlepdf/2025/sc/d5sc05748e
[10] AI-Powered Protein Design: Revolutionizing Therapeutic Development with Machine Learning http://www.proteinqc.com/posts/aipowered-protein-design-revolutionizing-therapeutic-development-with-machine-learning
[11] Pocket-Aware Molecular Generation Through Learned Protein Representations(pdf) https://diposit.ub.edu/dspace/bitstream/2445/223356/1/TFM_Claudia_Valverde_Sanchez.pdf
[12] MolTrans: Molecular Interaction Transformer for drug–target interaction prediction-CSDN博客 https://blog.csdn.net/qq_45069496/article/details/127577332
[13] 药学院张数一团队提出蛋白质序列-功能空间压缩的概念-清华大学 https://www.tsinghua.edu.cn/info/1175/115165.htm
[14] FCS | 文章解读:FragDPI——基于片段理解和统一编码的新型药物-蛋白质相互作用预测模型—论文—科学网 https://news.sciencenet.cn/htmlpaper/2024/1/202412512384369694428.shtm
[16] AlphaFold蛋白质结构预测药物分子研发训练流程-CSDN博客 https://blog.csdn.net/weixin_35754676/article/details/152328660
[17] DrugProtAI: A machine learning-driven approach for predicting protein druggability through feature engineering and robust partition-based ensemble methods - PubMed https://pubmed.ncbi.nlm.nih.gov/40627683/
[18] ALLSites:基于序列的统一深度学习框架精准识别全药物模式的蛋白质结合位点 - 生物通 https://m.ebiotrade.com/newsf/2025-12/20251229185736905.htm
[19] Active Site Sequence Representations of Human Kinases Outperform Full Sequence Representations for Affinity Prediction and Inhibitor Generation: 3D Effects in a 1D Model https://www.research-collection.ethz.ch/bitstream/20.500.11850/522387/2/acs.jcim.1c00889.pdf
[20] MSA-Regularized Protein Sequence Transformer toward Predicting Genome-Wide Chemical-Protein Interactions: Application to GPCRome Deorphanization https://sci-hub.st/downloads/2021-05-14//da/cai2021.pdf#navpanes=0&view=FitH
[21] Deep reinforcement learning as an interaction agent to steer fragment-based 3D molecular generation for protein pockets Open Access https://academic.oup.com/bib/article/26/4/bbae531/8222510?searchresult=1
[22] FraHMT: A Fragment-Oriented Heterogeneous Graph Molecular Generation Model for Target Proteins. https://www.semanticscholar.org/paper/FraHMT:-A-Fragment-Oriented-Heterogeneous-Graph-for-Wang-Liang/812dc04665792f03ba6c6fa998d9cc3b57ea0c92
[23] Flow-Based Fragment Identification via Binding Site-Specific Latent Representations https://arxiv.org/pdf/2509.13216
[24] Pre-Training Protein Bi-level Representation Through Span Mask Strategy On 3D Protein Chains https://arxiv.org/pdf/2402.01481
[25] Learning Subpocket Prototypes for Generalizable Structure-based Drug Design https://proceedings.mlr.press/v202/zhang23z/zhang23z.pdf
[26] ZeroBind: a protein-specific zero-shot predictor with subgraph matching for drug-target interactions https://pmc.ncbi.nlm.nih.gov/articles/PMC10687269/pdf/41467_2023_Article_43597.pdf
[27] Pocket2Mol: Efficient Molecular Sampling Based on 3D Protein Pockets https://arxiv.org/pdf/2205.07249
[28] MGPLI: exploring multigranular representations for protein–ligand interaction prediction https://academic.oup.com/bioinformatics/advance-article-pdf/doi/10.1093/bioinformatics/btac597/46052639/btac597.pdf
[29] Autoregressive fragment-based diffusion for pocket-aware ligand design https://arxiv.org/pdf/2401.05370
[30] CONCEPT-DRIVEN DEEP LEARNING FOR ENHANCED PROTEIN-SPECIFIC MOLECULAR GENERATION https://arxiv.org/pdf/2503.08160
[31] SILVR: Guided Diffusion for Molecule Generation https://arxiv.org/pdf/2304.10905
[32] GitHub - GsGithub17/openfold_alphafold: Trainable, memory-efficient, and GPU-friendly PyTorch reproduction of AlphaFold 2 · GitHub https://github.com/GsGithub17/openfold_alphafold
[33] What is AlphaFold? https://www.ebi.ac.uk/training/online/courses/alphafold/an-introductory-guide-to-its-strengths-and-limitations/what-is-alphafold/
[34] AlphaFold https://deepmind.google/science/alphafold/
[35] Cracking AlphaFold2: Leveraging the power of artificial intelligence in undergraduate biochemistry curriculums https://pmc.ncbi.nlm.nih.gov/articles/PMC11210786/
[36] Uni-Fold: An Open-Source Platform for Developing Protein Folding Models beyond AlphaFold(pdf) https://www.researchgate.net/publication/362522370_Uni-Fold_An_Open-Source_Platform_for_Developing_Protein_Folding_Models_beyond_AlphaFold/fulltext/63613eaa431b1f53005fd1b5/Uni-Fold-An-Open-Source-Platform-for-Developing-Protein-Folding-Models-beyond-AlphaFold.pdf
[37] AlphaFold https://intuitionlabs.ai/software/drug-discovery-research/structural-biology/alphafold
[38] Rosetta Encyclopedia https://docs.rosettacommons.org/docs/latest/rosetta_basics/RosettaEncyclopedia
[39] Using Fragment Files in Rosetta https://docs.rosettacommons.org/docs/latest/rosetta_basics/file_types/fragment-file
[40] Rosetta模型-CSDN博客 https://blog.csdn.net/weixin_45755332/article/details/115900826
[41] Generalized Fragment Picking in Rosetta: Design, Protocols and Applications https://pmc.ncbi.nlm.nih.gov/articles/PMC3160850/
[42] Recent Advances in NMR Protein Structure Prediction with ROSETTA https://pmc.ncbi.nlm.nih.gov/articles/PMC10178863/pdf/ijms-24-07835.pdf
[43] RFdiffusion https://ai.azure.com/catalog/models/Rfdiffusion-NIM-microservice
[44] Insilico Medicine Advances AI-Driven Target Discovery with Validated TargetPro–TargetBench Framework https://insilico.com/news/77g216v1e1-insilico-medicine-advances-ai-driven-tar
[45] Media Kit | Insilico Medicine https://insilico.com/mediakit
[46] AI builds dual-action cancer drug targeting PKMYT1 https://www.drugtargetreview.com/ai/ai-builds-dual-action-cancer-drug-targeting-pkmyt1/2135035.article
[47] Pharma.AI 2025 年第四季度冬季发布回顾:前沿 AI 创新重塑药物发现 https://insilico.com/news_sc/y5y7ir0bt1-pharmaai-2025-ai
[48] Main | Insilico Medicine https://www.insilico.ai/
[49] Pharmaceutical kingpin Eli Lilly gave Insilico $2.75 billion for AI-driven drug development https://www.deeplearning.ai/the-batch/pharmaceutical-kingpin-eli-lilly-gave-insilico-2-75-billion-for-ai-driven-drug-development/
[50] Generative AI Leap: Insilico Medicine Nominates First Preclinical Candidate in the UAE https://www.prnewswire.com/news-releases/generative-ai-leap-insilico-medicine-nominates-first-preclinical-candidate-in-the-uae-302752898.html
[51] Dramatically improving hit rates with a modern virtual screening workflow https://newsite.schrodinger.com/life-science/learn/white-papers/dramatically-improving-hit-rates-modern-virtual-screening-workflow/
[52] Schrödinger https://www.tri-ibiotech.com/ai/2418
[53] Integrating Protein Interaction Surface Prediction with a Fragment-Based Drug Design: Automatic Design of New Leads with Fragments on Energy Surfaces https://pubs.acs.org/doi/10.1021/acs.jcim.2c01408
[54] Fragment-Based Drug Design (FBDD) https://www.deeporigin.com/glossary/fragment-based-drug-design-fbdd
[55] Modernize your hit discovery workflows https://www.schrodinger.com/life-science/solutions/hit-discovery/
[56] AI Tools in Pharma R&D: 10 Essential Platforms for 2026 https://intuitionlabs.ai/pdfs/ai-tools-in-pharma-r-d-10-essential-platforms-for-2026.pdf
[57] Schrödinger https://www.schrodinger.com/?search
[58] Learning Subpocket Prototypes for Generalizable Structure-based Drug Design https://arxiv.org/pdf/2305.13997
[59] DrugCLIP: Contrastive Protein-Molecule Representation Learning for Virtual Screening https://papers.neurips.cc/paper_files/paper/2023/file/8bd31288ad8e9a31d519fdeede7ee47d-Paper-Conference.pdf
[60] Ultra-High-Throughput Structure-Based Virtual Screening for Small-Molecule Inhibitors of Protein-Protein Interactions https://typeset.io/pdf/ultra-high-throughput-structure-based-virtual-screening-for-3chsk5kttx.pdf
[61] FLOW-BASED FRAGMENT IDENTIFICATION VIA CONTRASTIVE LEARNING OF BINDING SITE-SPECIFIC LATENT REPRESENTATIONS https://openreview.net/pdf?id=bZW1HLT1gI
[62] Subpocket Analysis Method for Fragment-Based Drug Discovery https://moscow.sci-hub.st/2068/8e56337d590004bad8ba895e96afc371/kalliokoski2013.pdf#navpanes=0&view=FitH
[63] ESM All-Atom: Multi-scale Protein Language Model for Unified Molecular Modeling https://arxiv.org/pdf/2403.12995
[64] Considerations of Protein Subpockets in Fragment-Based Drug Design https://pmc.ncbi.nlm.nih.gov/articles/PMC5464946/pdf/nihms852142.pdf
[65] BindCLIP: A Unified Contrastive-Generative Representation Learning Framework for Virtual Screening https://arxiv.org/pdf/2602.15236
[66] Advancements in small molecule drug design: A structural perspective http://https-www.sciencedirect.com.60f1510bd0.di-iranpaper.ir/science/article/pii/S1359644623002465/pdfft?md5=7384dc870e736c71b26518386f0df812&pid=1-s2.0-S1359644623002465-main.pdf
[67] AANet: Virtual Screening under Structural Uncertainty via Alignment and Aggregation https://arxiv.org/pdf/2506.05768
[68] Pocket-Based Drug Design: Exploring Pocket Space https://dacemirror.sci-hub.se/journal-article/943fdb99d5958649ba6afd339e546a9d/zheng2012.pdf#navpanes=0&view=FitH
[69] Two for the Price of One: Integrating Large Language Models to Learn Biophysical Interactions https://arxiv.org/pdf/2503.21017
[70] CRISPR-tica.ai: A function-informed generative modeling pipeline for prioritizing drug discovery in AML https://www.researchgate.net/publication/398354753_CRISPR-ticaai_A_function-informed_generative_modeling_pipeline_for_prioritizing_drug_discovery_in_AML
[71] Contrastive Multi-Task Learning with Solvent-Aware Augmentation for Drug Discovery https://arxiv.org/pdf/2508.01799
[72] Breaking data silos in drug discovery with federated learning https://www.researchgate.net/publication/391259888_Breaking_data_silos_in_drug_discovery_with_federated_learning
[73] FLOW-BASED FRAGMENT IDENTIFICATION VIA CONTRASTIVE LEARNING OF BINDING SITE-SPECIFIC LATENT REPRESENTATIONS https://openreview.net/pdf?id=bZW1HLT1gI
[74] MedCLIP-SAMv2: Towards Universal Text-Driven Medical Image Segmentation https://github.com/HealthX-Lab/MedCLIP-SAMv2
[75] [ 논문 리뷰 ] CLIPSeg : Image Segmentation Using Text and Image Prompts https://velog.io/@seungminchung/%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0-CLIPSeg-Image-Segmentation-Using-Text-and-Image-Prompts
[76] Graph Transformer https://pytorch-geometric.readthedocs.io/en/latest/tutorial/graph_transformer.html?highlight=transformers
[77] 最完整图解PyG图Transformer技术:GPSConv和GraphTransformer实战指南-CSDN博客 https://blog.csdn.net/gitblog_01109/article/details/152038146
[78] Graph former-CL: A novel graph transformer with contrastive learning framework for enhanced drug-drug interaction prediction https://pubmed.ncbi.nlm.nih.gov/41615927/
[79] Hierarchical graph transformer with contrastive learning for protein function prediction(pdf) https://academic.oup.com/bioinformatics/article-pdf/doi/10.1093/bioinformatics/btad410/50874760/btad410.pdf
[80] A Multimodal Drug-Target Affinity Prediction Framework with Pretrained Models and Hierarchical Graph Transformer https://pubs.acs.org/doi/10.1021/acs.jcim.5c02436
[81] Learning Subpocket Prototypes for Generalizable Structure-based Drug Design(pdf) https://arxiv.org/pdf/2305.13997
[82] 基于motif的分子生成工具 - DrugGPS 测评-CSDN博客 https://blog.csdn.net/wufeil7/article/details/136001834
[83] Structure-Based Drug Design with Geometric Deep Learning: A Comprehensive Survey ACM Computing Surveys 04/30/2026 10672497 10.1145/3769677 ACM Computing Surveys 0360-0300 58 5 Zaixi Zhang Jiaxian Yan Yining Huang Qi Liu Enhong Chen Mengdi Wang Marinka Zitnik <p>Structure-based drug design (SBDD) leverages the three-dimensional geometry of proteins to identify potential drug candidates. Traditional approaches, rooted in physicochemical modeling and domain expertise, are often resource-intensive. Recent advancements in geometric deep learning, which effectively integrate and process 3D geometric data, alongside breakthroughs in accurate protein structure predictions from tools like AlphaFold, have significantly propelled the field forward. This article systematically reviews the state-of-the-art in geometric deep learning for SBDD. We begin by outlining foundational tasks in SBDD, discussing prevalent 3D protein representations, and highlighting representative predictive and generative models. Next, we provide an in-depth review of key tasks, including binding site prediction, binding pose generation, de novo molecule generation, linker design, protein pocket generation, and binding affinity prediction. For each task, we present formal problem definitions, key methods, datasets, evaluation metrics, and performance benchmarks. Lastly, we explore current challenges and future opportunities in SBDD. Challenges include oversimplified problem formulations, limited out-of-distribution generalization, biosecurity concerns related to the misuse of structural data, insufficient evaluation metrics and large-scale benchmarks, and the need for experimental validation and enhanced model interpretability. Opportunities lie in integrating biomedical AI agents, leveraging multimodal datasets, developing comprehensive benchmarks, establishing criteria aligned with clinical outcomes, and designing foundation models to expand the scope of design tasks. We also curate<ext-link href=‘https://github.com/zaixizhang/Awesome-SBDD’>https://github.com/zaixizhang/Awesome-SBDD</ext-link>, reflecting ongoing contributions and new datasets in SBDD.</p> https://par.nsf.gov/biblio/10672497/media/xml
[84] AlphaFold 3相关论文解读:方法创新与应用案例-CSDN博客 https://blog.csdn.net/gitblog_00096/article/details/154509963
[85] FastFold: Reducing AlphaFold Training Time from 11 Days to 67 Hours https://arxiv.org/pdf/2203.00854
[86] CCfrag: scanning folding potential of coiled-coil fragments with AlphaFold https://academic.oup.com/bioinformaticsadvances/article/5/1/vbae195/7918352
[87] [Literature Review] AutoChunk: Automated Activation Chunk for Memory-Efficient Long Sequence Inference https://www.themoonlight.io/en/review/autochunk-automated-activation-chunk-for-memory-efficient-long-sequence-inference
[88] DeepFold-PLM: accelerating protein structure prediction via efficient homology search using protein language models https://academic.oup.com/bioinformatics/article/41/11/btaf579/8290416
[89] DeepFold-PLM https://www.ovid.com/journals/bioinf/fulltext/10.1093/bioinformatics/btaf579~deepfold-plm-accelerating-protein-structure-prediction-via
[90] Has AlphaFold3 reached its success for RNA? Supplementary File(pdf) https://doi.org/10.1107/S2059798325000592/lie5001sup1.pdf
[91] PROFSA: SELF-SUPERVISED POCKET PRETRAINING VIA PROTEIN FRAGMENT-SURROUNDINGS ALIGNMENT(pdf) https://arxiv.org/pdf/2310.07229
[92] DrugCLIP : Contrastive Drug-Disease Interaction For Drug Repurposing https://arxiv.org/html/2407.02265v1/
[93] Drug-TTA: Test-Time Adaptation for Drug Virtual Screening via Multi-task Meta-Auxiliary Learning https://raw.githubusercontent.com/mlresearch/v267/main/assets/shen25n/shen25n.pdf
[94] 基于motif的分子生成工具 - DrugGPS 测评-CSDN博客 https://blog.csdn.net/wufeil7/article/details/136001834
[95] 3D Convolutional Neural Networks and a CrossDocked Dataset for Structure-Based Drug Design(pdf) http://itempdf74155353254prod.s3.amazonaws.com/11833323/3D_Convolutional_Neural_Networks_and_a_CrossDocked_Dataset_for_Structure-Based_Drug_Design_v2.pdf
[96] A generalizable deep learning framework for structure-based protein–ligand affinity ranking https://1www.pnas.org/doi/10.1073/pnas.2508998122
[97] Designing high-affinity 3D drug molecules via geometric spatial perception diffusion model https://academic.oup.com/bib/article-pdf/26/5/bbaf542/64702038/bbaf542.pdf
[98] The PDBbind Database: Methodologies and Updates https://www.researchgate.net/publication/7799901_The_PDBbind_Database_Methodologies_and_Updates
[99] Highly accurate protein structure prediction with AlphaFold https://pmc.ncbi.nlm.nih.gov/articles/PMC8371605/?term=%22Nature%22%5Bjour%5D
[100] AlphaFold https://github.com/google-deepmind/alphafold/blob/v2.0.0/README.md
[101] Predicting protein structures using the AlphaFold2 open-source code https://www.ebi.ac.uk/training/online/courses/alphafold/accessing-and-predicting-protein-structures-with-alphafold/predicting-protein-structures-using-the-alphafold-open-source-code/
[102] AlphaFold多序列比对优化:提升模型输入质量的关键步骤-CSDN博客 https://blog.csdn.net/gitblog_01056/article/details/151337537
[103] OpenProteinSet https://registry.opendata.aws/openfold/
[104] Accurate structure prediction of biomolecular interactions with AlphaFold 3 https://pmc.ncbi.nlm.nih.gov/articles/instance/11168924/bin/41586_2024_7487_MOESM1_ESM.pdf
[105] Chemistry42: An AI-Driven Platform for Molecular Design and Optimization https://pubs.acs.org/doi/pdf/10.1021/acs.jcim.2c01191
[106] JCIM|Chemistry42:一个人工智能驱动的分子设计和优化平台-CSDN博客 https://blog.csdn.net/weixin_45468600/article/details/129004996
[107] ZINC Training Dataset Setup for small molecule language models https://docs.nvidia.com/bionemo-framework/1.10/notebooks/ZINC15-data-preprocessing.html
[108] In silico methods for drug-target interaction prediction https://pmc.ncbi.nlm.nih.gov/articles/PMC12570315/pdf/main.pdf
[109] Chemistry42 http://insilico.com/chemistry42
[110] On modeling and utilizing chemical compound information with deep learning technologies: A task-oriented approach https://pmc.ncbi.nlm.nih.gov/articles/PMC9399946/
[111] GenDrugCLIP: A Generation-Augmented Framework for Contrastive Drug-Target Representation Learning https://openreview.net/pdf/35bde5e0d9becde5f1f5a145a82e4aae66244051.pdf
[112] Contrastive Geometric Learning Unlocks Unified Structure- and Ligand-Based Drug Design https://arxiv.org/pdf/2601.09693
[113] Unifying Structure- and Ligand-based Drug Design via Contrastive Geometric Learning https://openreview.net/pdf/5b1915b1c975a7aebe91b150d6725af2a25c4bed.pdf
[114] Drug-TTA: Test-Time Adaptation for Drug Virtual Screening via Multi-task Meta-Auxiliary Learning https://raw.githubusercontent.com/mlresearch/v267/main/assets/shen25n/shen25n.pdf
[115] Supporting Information: 3D Convolutional Neural Networks and a CrossDocked Data Set for Structure-Based Drug Design https://pubs.acs.org/doi/suppl/10.1021/acs.jcim.0c00411/suppl_file/ci0c00411_si_001.pdf
[116] Structure-Based Drug Design with Geometric Deep Learning: A Comprehensive Survey ACM Computing Surveys 04/30/2026 10672497 10.1145/3769677 ACM Computing Surveys 0360-0300 58 5 Zaixi Zhang Jiaxian Yan Yining Huang Qi Liu Enhong Chen Mengdi Wang Marinka Zitnik <p>Structure-based drug design (SBDD) leverages the three-dimensional geometry of proteins to identify potential drug candidates. Traditional approaches, rooted in physicochemical modeling and domain expertise, are often resource-intensive. Recent advancements in geometric deep learning, which effectively integrate and process 3D geometric data, alongside breakthroughs in accurate protein structure predictions from tools like AlphaFold, have significantly propelled the field forward. This article systematically reviews the state-of-the-art in geometric deep learning for SBDD. We begin by outlining foundational tasks in SBDD, discussing prevalent 3D protein representations, and highlighting representative predictive and generative models. Next, we provide an in-depth review of key tasks, including binding site prediction, binding pose generation, de novo molecule generation, linker design, protein pocket generation, and binding affinity prediction. For each task, we present formal problem definitions, key methods, datasets, evaluation metrics, and performance benchmarks. Lastly, we explore current challenges and future opportunities in SBDD. Challenges include oversimplified problem formulations, limited out-of-distribution generalization, biosecurity concerns related to the misuse of structural data, insufficient evaluation metrics and large-scale benchmarks, and the need for experimental validation and enhanced model interpretability. Opportunities lie in integrating biomedical AI agents, leveraging multimodal datasets, developing comprehensive benchmarks, establishing criteria aligned with clinical outcomes, and designing foundation models to expand the scope of design tasks. We also curate<ext-link href=‘https://github.com/zaixizhang/Awesome-SBDD’>https://github.com/zaixizhang/Awesome-SBDD</ext-link>, reflecting ongoing contributions and new datasets in SBDD.</p> https://par.nsf.gov/biblio/10672497/media/xml
[117] Pose ensemble graph neural networks to improve docking performances https://pmc.ncbi.nlm.nih.gov/articles/PMC12477551/
[118] 3DMolFormer: A DUAL-CHANNEL FRAMEWORK FOR STRUCTURE-BASED DRUG DISCOVERY https://openreview.net/notes/edits/attachment?id=xBJgWWweml&name=pdf
[119] How accurate are AlphaFold 2 structure predictions? https://www.ebi.ac.uk/training/online/courses/alphafold/validation-and-impact/how-accurate-are-alphafold-structure-predictions/
[120] Comparative evaluation of the prediction accuracy of AlphaFold and ESMFold for monomeric and dimeric proteins https://academic.oup.com/nargab/article-pdf/8/1/lqag002/66428274/lqag002.pdf
[121] Benchmarking AlphaFold for protein complex modeling reveals accuracy determinants https://pubmed.ncbi.nlm.nih.gov/35900023/
[122] AlphaFold Models of Small Proteins Rival the Accuracy of Solution NMR Structures https://pmc.ncbi.nlm.nih.gov/articles/PMC9234698/
[123] How have AlphaFold 3’s predictions been validated? https://www.ebi.ac.uk/training/online/courses/alphafold/alphafold-3-and-alphafold-server/introducing-alphafold-3/how-have-alphafold-3s-predictions-been-validated/
[124] Insilico Pharma.AI: AI Drug Discovery Platform Analysis(pdf) https://intuitionlabs.ai/pdfs/insilico-pharma-ai-ai-drug-discovery-platform-analysis.pdf
[125] in AI-powered drug discovery reached https://insilico.com/blog/pcc
[126] AI Use Case – Accelerating Drug Discovery with Generative AI https://www.miloriano.com/ai-use-case-accelerating-drug-discovery-with-generative-ai/
[127] The Digital Alchemist https://www.drugchemsci.com/posts/the-digital-alchemist-how-insilico-magic-transforms-drug-discovery-after-lab-bench-breakthroughs
[128] Insight Into Insilico: The Leap, Dilemma and Breakthrough of the AI Pharmaceutical Star Company | News | HyperAI https://beta.hyper.ai/en/news/30774
[129] Study Details | NCT05938920 | Study Evaluating INS018_055 Administered Orally to Subjects With Idiopathic Pulmonary Fibrosis (IPF) | ClinicalTrials.gov https://clinicaltrials.gov/study/NCT05938920?rank=1
[130] Media Kit | Insilico Medicine https://insilico.com/mediakit
[131] Insilico Medicine Incorporated https://www.lifespan.io/organizations/insilico-medicine/
[132] Generative AI Leap: Insilico Medicine Nominates First Preclinical Candidate in the UAE https://www.prnewswire.com/news-releases/generative-ai-leap-insilico-medicine-nominates-first-preclinical-candidate-in-the-uae-302752898.html
[133] Базирующаяся в ОАЭ компания Insilico Medicine проводит клинические испытания первого в мире лекарства, созданного искусственным интеллектом https://www.wam.ae/article/13wy07c-%D0%B1%D0%B0%D0%B7%D0%B8%D1%80%D1%83%D1%8E%D1%89%D0%B0%D1%8F%D1%81%D1%8F-%D0%BE%D0%B0%D1%8D-%D0%BA%D0%BE%D0%BC%D0%BF%D0%B0%D0%BD%D0%B8%D1%8F-insilico-medicine
(注:文档部分内容可能由 AI 生成)
更多推荐


所有评论(0)