浙江大学药学院团队nature protocols发文打造人工智能驱动的高通量虚拟筛选平台

基于分子对接开展结构导向型虚拟筛选，是挖掘活性化合物的核心手段。近年来，大量人工智能（AI）驱动的蛋白-配体打分和对接算法不断涌现，并显示出优异的运算速度与预测精度。尽管如此，面向特定研究场景择优选用对接方案，并搭建高效完整的实操流程仍是目前科研实践中亟待解决的难题。

近日，药学院侯廷军教授、康玉副教授团队联合澳门理工大学刘焕香教授团队在Nature Protocols发表题为 “Facilitating structure-based drug discovery with an artificial intelligence-driven virtual screening platform” 的论文。该研究基于AI引擎打造了一个多功能的虚拟筛选平台CVSP-AIE，旨在助力基于结构的药物发现。该平台整合了三种侯廷军团队开发的AI模型，分别是通过直接更新原子坐标实现快速对接的KarmaDock、通过预测蛋白与配体距离并重构结合构象实现精准对接的CarsiDock，以及通过学习残基与原子距离分布进行精准亲和力预测的RTMScore打分模型。通过对这三种模型进行层次化调用，平台实现了筛选速度与预测精度的良好平衡。CVSP-AIE通过本地软件包和在线服务器两种方式提供筛选服务。此外，用户还可通过命令行工具在本地部署层次化筛选模块，以满足超大规模的筛选需求。