靶向药物研发的成功率往往取决于能否在众多潜在靶点中快速找到合适的小分子化合物。
然而，人类基因组编码的2万余个蛋白质中，由于技术手段和工作效率的限制，现有的药物开发仅覆盖其中很小一部分，大量未被开发的靶点蕴含着巨大的药物发现潜力。
这一瓶颈制约了创新药物研发的进展，成为业界亟待突破的难题。
近日，清华大学智能产业研究院教授兰艳艳领导的研究团队提出了创新解决方案。
团队将传统的分子对接方法进行了革新，将蛋白口袋与小分子在向量空间中的识别转化为高效的语义检索问题。
这一转变使得原本耗时的计算过程得以大幅加速。
研究团队自主研发了DrugCLIP超高通量药物虚拟筛选平台，依托128核中央处理器和8张图形处理器的计算节点，可在24小时内完成10万亿次蛋白与配体的相互作用评分，相比传统方法效率提升达百万倍级别。
速度提升的同时，预测准确性同样得到了显著改善。
在去甲肾上腺素转运体的筛选案例中，该平台从160万个候选分子中甄选出约100个高评分分子。
后续的实验验证表明，其中15个分子具有有效的抑制活性，12个分子的蛋白结合能力甚至超越了现有常用的抗抑郁药物。
这充分证明了平台在精准性和实用性方面的优势。
基于DrugCLIP平台的强大能力，研究团队完成了迄今规模最大的蛋白与配体虚拟筛选项目。
该项目覆盖约1万个蛋白靶点、2万个蛋白口袋，分析筛选超过5亿个类药小分子，最终富集出超过200万个潜在活性分子。
团队由此构建了目前已知最大规模的蛋白与配体筛选数据库。
为了充分发挥这一资源的价值，团队将数据库向全球科研社区免费开放，同步上线的定制化筛选服务平台支持用户对自有靶点进行针对性分析。
截至相关研究成果在国际学术期刊《科学》发表时，该平台已累计服务超过1400名用户完成1.35万余次筛选任务。
这一技术创新具有广泛的应用前景。
在肿瘤、传染病、罕见病等疾病防治领域，DrugCLIP平台有助于加速新靶点的发现和首创新药的开发。
相关成果以"深度对比学习实现基因组级别药物虚拟筛选"为题，已于今年1月发表于国际顶级学术期刊《科学》，获得了学术界的高度关注。
研究团队表示，将继续优化平台的计算引擎性能，扩展支持的数据模态，为构建更加智能、高效、普惠的药物创新生态做出贡献。
这一努力有望推动新一代药物发现范式的形成，使更多患者受益于科技进步。
这项源自中国实验室的突破性研究，不仅为攻克重大疾病提供了新的技术路径，更展现了基础研究与应用开发协同创新的中国模式。
随着平台效能的持续释放，或将催生一批具有全球影响力的原创新药，为人类健康事业贡献中国智慧。
科学无国界，这项向全球开放的研究成果，正是中国践行科技造福人类理念的生动实践。