传统药物筛选采用 “实验试错法”从数百万化合物中逐一进行体外实验存在效率低、成本高、周期长、命中率低等痛点。而 AI 智算通过 “计算模拟替代前期实验”显著提升前期筛选效率降低试错成本缩小候选范围。后续结合湿实验验证可实现 “精准筛选 高效验证” 的双重优势。一、原理AI 智算在药物筛选中的应用核心是依托机器学习、深度学习、计算生物学等技术融合分子结构信息、靶点特征、生物活性数据对小分子与药物靶点的相互作用进行建模与预测从海量化合物库中快速筛选出具有潜在生物活性的候选分子。二、流程1. 构建多维度药物筛选数据库与算法模型整合海量基础数据为 AI 计算提供 “学习样本”。核心包括靶点数据如蛋白晶体结构、氨基酸序列、活性口袋特征来自 PDB、Uniprot 等数据库、化合物数据如分子结构、理化性质、ADME/T 毒性、生物活性来自 ZINC、PubChem、ChEMBL 等数据库、实验数据如既往体外结合验证、酶活性测定、细胞功能实验的结果。2、从海量化合物库中快速缩小候选范围围绕药物靶点的成药需求利用 AI 算法对海量化合物库进行多轮、分层筛选快速缩小候选范围优先保留具有较高成药潜力和靶点匹配度的分子。3、分析候选分子与靶点的潜在结合模式及关键相互作用位点对筛选得到的候选分子进一步开展结合模式预测分析其与靶点之间的潜在相互作用位点、关键结合残基及稳定性特征为后续实验设计与分子优化提供依据。4、实验验证与结果反馈结合生化活性实验、亲和力检测实验如 SPR、BLI、MST、ITC及细胞功能实验对候选分子进行多层次验证。三、文献案例案例一PRMT5 被识别为膀胱癌的潜在治疗靶点。来源于卡瓦的天然小分子 FKA 具有抗膀胱癌活性但其机制此前尚不明确。本研究结合临床样本分析、细胞实验以及计算模拟与实验验证表明 FKA 可靶向 PRMT5并与其 Y304 和 F580 关键残基相互作用抑制 PRMT5 介导的组蛋白 H2A/H4 Arg3 对称性精氨酸二甲基化从而在体内外发挥抗膀胱癌作用为 PRMT5 作为膀胱癌干预靶点及 FKA 作为候选天然抑制剂提供了依据。AI虚拟筛选与优化流程1分子对接以 PRMT5:MEP50 复合物晶体结构PDB ID: 4X60为模板采用 Schrödinger 的 Glide 方法预测候选化合物与 PRMT5 的结合模式。2打分排序初筛与验证对候选化合物按 docking score 排序其中 FKB 的对接评分最高随后结合细胞活性、PRMT5 相关效应及后续实验验证最终聚焦 FKA。图评估FKA作为靶向PRMT5的候选药物3以 PRMT5:MEP50 复合物晶体结构PDB: 4X60为模板进行分子对接。图结合位点分析结果4采用 Gaussian09 对 FKA 进行量化计算与参数化处理随后使用 Amber 对 FKA 与 PRMT5 复合物进行分子动力学模拟并计算其 RMSD上和 RMSF下以评估复合物的结构稳定性和局部柔性变化。图分子动力学模拟结果案例二本研究为发掘新型降血脂药物通过虚拟分子对接对含 3200 种天然产物的文库进行筛选以靶向胆固醇合成关键酶 ACLY从排名靠前的化合物中选定异银杏双黄酮ISOGK开展研究。实验证实 ISOGK 可直接结合并抑制 ACLY 活性在高脂血症小鼠、仓鼠模型中显著降低血脂、减轻动脉粥样硬化且其降脂抗动脉粥样硬化作用依赖于 ACLY。该研究首次证实 ISOGK 作为天然 ACLY 抑制剂的降脂与抗动脉粥样硬化作用为心血管疾病治疗提供了新的候选药物。AI虚拟筛选流程1受体与文库准备获取 ACLY 蛋白结构PDB ID: 6O0H并进行受体预处理作为分子对接受体构建含 3200 种天然产物的文库完成候选化合物的结构准备、加氢及优化。图预测结合亲和力/对接评分结果2分子对接筛选采用 Autodock Vina 1.2.0 软件将对接框设定在 ACLY 活性位点对天然产物文库进行基于结构的虚拟分子对接。3候选物筛选依据对接评分排序并结合体外 ACLY 酶活抑制实验ADP-Glo 法及“尚未报道抗动脉粥样硬化作用”的筛选标准最终确定 isoginkgetinISOGK为后续研究对象。图体外评价最佳候选物对ACLY酶活性的抑制作用
药物筛选新手段，AI分子智算
发布时间：2026/6/3 17:51:53
传统药物筛选采用 “实验试错法”从数百万化合物中逐一进行体外实验存在效率低、成本高、周期长、命中率低等痛点。而 AI 智算通过 “计算模拟替代前期实验”显著提升前期筛选效率降低试错成本缩小候选范围。后续结合湿实验验证可实现 “精准筛选 高效验证” 的双重优势。一、原理AI 智算在药物筛选中的应用核心是依托机器学习、深度学习、计算生物学等技术融合分子结构信息、靶点特征、生物活性数据对小分子与药物靶点的相互作用进行建模与预测从海量化合物库中快速筛选出具有潜在生物活性的候选分子。二、流程1. 构建多维度药物筛选数据库与算法模型整合海量基础数据为 AI 计算提供 “学习样本”。核心包括靶点数据如蛋白晶体结构、氨基酸序列、活性口袋特征来自 PDB、Uniprot 等数据库、化合物数据如分子结构、理化性质、ADME/T 毒性、生物活性来自 ZINC、PubChem、ChEMBL 等数据库、实验数据如既往体外结合验证、酶活性测定、细胞功能实验的结果。2、从海量化合物库中快速缩小候选范围围绕药物靶点的成药需求利用 AI 算法对海量化合物库进行多轮、分层筛选快速缩小候选范围优先保留具有较高成药潜力和靶点匹配度的分子。3、分析候选分子与靶点的潜在结合模式及关键相互作用位点对筛选得到的候选分子进一步开展结合模式预测分析其与靶点之间的潜在相互作用位点、关键结合残基及稳定性特征为后续实验设计与分子优化提供依据。4、实验验证与结果反馈结合生化活性实验、亲和力检测实验如 SPR、BLI、MST、ITC及细胞功能实验对候选分子进行多层次验证。三、文献案例案例一PRMT5 被识别为膀胱癌的潜在治疗靶点。来源于卡瓦的天然小分子 FKA 具有抗膀胱癌活性但其机制此前尚不明确。本研究结合临床样本分析、细胞实验以及计算模拟与实验验证表明 FKA 可靶向 PRMT5并与其 Y304 和 F580 关键残基相互作用抑制 PRMT5 介导的组蛋白 H2A/H4 Arg3 对称性精氨酸二甲基化从而在体内外发挥抗膀胱癌作用为 PRMT5 作为膀胱癌干预靶点及 FKA 作为候选天然抑制剂提供了依据。AI虚拟筛选与优化流程1分子对接以 PRMT5:MEP50 复合物晶体结构PDB ID: 4X60为模板采用 Schrödinger 的 Glide 方法预测候选化合物与 PRMT5 的结合模式。2打分排序初筛与验证对候选化合物按 docking score 排序其中 FKB 的对接评分最高随后结合细胞活性、PRMT5 相关效应及后续实验验证最终聚焦 FKA。图评估FKA作为靶向PRMT5的候选药物3以 PRMT5:MEP50 复合物晶体结构PDB: 4X60为模板进行分子对接。图结合位点分析结果4采用 Gaussian09 对 FKA 进行量化计算与参数化处理随后使用 Amber 对 FKA 与 PRMT5 复合物进行分子动力学模拟并计算其 RMSD上和 RMSF下以评估复合物的结构稳定性和局部柔性变化。图分子动力学模拟结果案例二本研究为发掘新型降血脂药物通过虚拟分子对接对含 3200 种天然产物的文库进行筛选以靶向胆固醇合成关键酶 ACLY从排名靠前的化合物中选定异银杏双黄酮ISOGK开展研究。实验证实 ISOGK 可直接结合并抑制 ACLY 活性在高脂血症小鼠、仓鼠模型中显著降低血脂、减轻动脉粥样硬化且其降脂抗动脉粥样硬化作用依赖于 ACLY。该研究首次证实 ISOGK 作为天然 ACLY 抑制剂的降脂与抗动脉粥样硬化作用为心血管疾病治疗提供了新的候选药物。AI虚拟筛选流程1受体与文库准备获取 ACLY 蛋白结构PDB ID: 6O0H并进行受体预处理作为分子对接受体构建含 3200 种天然产物的文库完成候选化合物的结构准备、加氢及优化。图预测结合亲和力/对接评分结果2分子对接筛选采用 Autodock Vina 1.2.0 软件将对接框设定在 ACLY 活性位点对天然产物文库进行基于结构的虚拟分子对接。3候选物筛选依据对接评分排序并结合体外 ACLY 酶活抑制实验ADP-Glo 法及“尚未报道抗动脉粥样硬化作用”的筛选标准最终确定 isoginkgetinISOGK为后续研究对象。图体外评价最佳候选物对ACLY酶活性的抑制作用
