摘要

人工智能现已成为现代药物发现的核心支柱，但命令行工具学习门槛高、数据集划分不当易引发过拟合２大问题，严重制约AI技术大范围落地。本文推出开源虚拟筛选软件PyRMD Studio重大更新版本，从易用性、科学严谨性、计算效率３方面解决上述痛点。新版搭载兼容Linux、Windows全平台完整图形用户界面（GUI），无编程基础的研究者也可独立完成基于配体、基于结构２类虚拟筛选（VS）全流程，大幅降低AI工具使用门槛。为保障模型评估结果真实可靠，软件内置基于Butina聚类的严格验证策略，通过在训练集、测试集间彻底拆分分子聚类，杜绝数据泄露、避免评估结果过度乐观。同时代码向量化深度优化，筛选速度相较旧版提升约3.3倍。该软件整合友好交互界面与标准化验证流程，为高通量虚拟筛选项目提供１套简洁可靠的完整工具。PyRMD Studio开源仓库地址

https://github.com/sandrocosconati/PyRMD-Studio

sandro.cosconati@unicampania.it

#人工智能 #虚拟筛选 #图形用户界面 #机器学习 #深度学习 #命令行界面 #随机矩阵判别算法 #基于配体虚拟筛选  #基于结构虚拟筛选 #Butina聚类 #数据泄露 #分子指纹 #化学信息学

引言

PyRMD Studio整体概述

图1  软件核心优势示意

PyRMD Studio三大核心特性：易用普惠、计算高速、验证严谨左侧「普惠易用」：

传统命令行代码操作（红叉，门槛高）；新版可视化图形界面（绿勾，0基础可用）；

中间「高速计算」：旧版PyRMD（V1.0）筛选耗时220分钟，PyRMD Studio（V2.0）仅需65分钟；

右侧「严谨验证」Butina聚类防泄露拆分策略：训练集、测试集分子聚类完全隔离，杜绝结构信息交叉泄露。

图2  新旧版本筛选耗时柱状对比

软件版本运行耗时对比，横轴为版本，纵轴单位分钟；

蓝色柱：旧版PyRMD (V1.0)耗时约220分钟；

橙色柱：PyRMD Studio (V2.0)耗时约65分钟；

测试硬件：英特尔至强Gold 6238R CPU（112线程，754GB内存）；

普通AMD Ryzen7 5700U笔记本（16线程，8GB内存）亦可流畅运行。

图形界面工作流与功能模块

图3  PyRMD Studio完整工作流流程

软件全流程可视化总览

左侧LBVS模块输入：直接拉取ChEMBL靶点数据/自定义SMILES CSV文件；

右侧SB模块输入：分子对接输出CSV合并文件；

2大模块均包含「基准验证」「批量筛选」子分页；

基准训练完成的最优模型可1键导入筛选模块；

末端输出模块支持打分分布可视化，直观区分潜在活性化合物与背景分子。

详细总结

思维导图

基础信息总览

参考

J Chem Inf Model. 2026 Jun 8;66(11):6197-6203. doi: 10.1021/acs.jcim.6c00648. 

PyRMD Studio: A Unified Suite for Next-Generation, AI-Powered Virtual Screening

注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。