记者从清华大学获悉，该校智能产业研究院兰艳艳教授联合生命学院、化学系组成的跨学科团队，成功研发出基于人工智能技术的超高通量药物虚拟筛选平台DrugCLIP。
北京时间1月9日，相关研究成果以《深度对比学习实现基因组级别药物虚拟筛选》为题在线发表于国际顶级学术期刊《科学》。
当前，药物研发领域面临着巨大挑战。
据统计，人类对靶向药物的探索仅覆盖人体全部可成药靶点的10%左右，面对数以万计的潜在靶点，如何在浩瀚的化学空间中快速准确地筛选出有效的苗头化合物，已成为制约新药研发的关键瓶颈。
传统的药物筛选方法不仅耗时漫长，成本高昂，而且筛选范围有限，难以满足现代医学对新药研发的迫切需求。
针对这一难题，清华大学研究团队创新性地将深度学习技术与药物筛选相结合，开发出DrugCLIP平台。
该平台采用深度对比学习算法，能够高效识别蛋白质与小分子化合物之间的相互作用模式。
与传统筛选方法相比，DrugCLIP的筛选速度实现了百万倍的跃升，同时在预测准确率方面也取得了显著突破。
基于这一技术优势，研究团队首次完成了覆盖人类基因组规模的药物虚拟筛选工作。
该项筛选涵盖约1万个蛋白靶点、2万个蛋白口袋，对超过5亿个类药小分子进行了全面分析，最终富集出超过200万个潜在活性分子。
这一成果构建了目前已知规模最大的蛋白-配体筛选数据库，为全球药物研发提供了宝贵的数据资源。
值得关注的是，研究团队秉承开放共享的科研理念，已将这一数据库免费向全球科研社区开放。
这一举措将有力推动国际药物研发合作，加速新药发现进程，为解决人类重大疾病提供更多可能性。
业内专家认为，DrugCLIP平台的成功研发标志着我国在智能药物设计领域取得了重要突破。
该技术不仅能够显著缩短新药研发周期，降低研发成本，还为罕见病、复杂疾病的治疗药物开发开辟了新路径。
随着技术的不断完善和应用范围的扩大，有望为我国生物医药产业的高质量发展注入强劲动力。
从更广阔的视角来看，这一成果体现了人工智能技术与传统学科深度融合的巨大潜力。
通过跨学科协作，清华大学团队不仅解决了药物筛选领域的技术难题，也为其他科研领域的创新发展提供了有益借鉴。
药物研发竞争的核心，不仅在于单点技术突破，更在于能否形成可持续迭代的创新体系。
以更高效率连接“靶点—分子—证据”的链条，并将数据与工具以开放方式汇聚起来，或将成为提升科研效率、促进协同创新的重要路径。
技术进步带来的“更快”，最终仍需以“更准、更可证、更可用”来检验，其价值也将体现在对重大疾病防治与生命健康事业的长期支撑之中。