匹兹堡大学借助分子指纹查询,把类药分子快速筛选成靶点特异性化合物

美国匹兹堡大学团队推出 FSGLD 全谱生成式先导化合物发现流程,依靠 DRUG-GAN 模型搭配分子指纹查询技术,解决了 AI 生成分子大多停留在理论结构、很难找到真实可测试活性化合物的痛点,能够直接从类药分子出发,快速产出能绑定目标蛋白的靶点特异性化合物,大幅压缩早期靶向药物筛选的时间和成本。传统的计算机辅助药物设计,要么从头凭空设计分子,合成难度高;要么在海量化合物库里盲目检索,匹配效率很低,很多 AI 模型生成的分子只是纸上结构,化学上不稳定、买不到也合成不出来。而分子指纹就是把分子的化学特征编码成一串数字标签,DRUG-GAN 学习真实分子指纹规律之后,输出符合靶点特征的指纹模板,再拿着这个模板去现有化合物数据库里做相似查询,直接匹配已经存在、可以拿来做实验的化合物,不用全部从头合成。

整套 FSGLD 工作步骤

  1. 模型训练阶段:DRUG-GAN 对抗网络学习大量已知类药分子、靶点配体的分子指纹,掌握不同靶点对应的指纹特征规律
  2. 指纹生成阶段:根据需求生成三类指纹:随机类药分子指纹、单一靶点特异性指纹、带共同母核结构的同系列靶点指纹
  3. 指纹检索阶段:用生成好的指纹作为查询条件,在公开化合物库检索指纹相似的真实分子
  4. 多轮计算评估阶段:对接分子对接、分子动力学、MM-PBSA、热力学积分 TI 计算,优化后的 TI 流程在精度不变前提下,计算耗时减少 80%~90%
  5. 实验验证阶段:对筛选出来的候选靶点特异性化合物开展体外活性测试,确认结合能力

这套方案的测试结果

研究团队选取 G 蛋白偶联受体 GPCR、蛋白激酶、CB2 受体这几类差异很大的靶点做验证。这套 FSGLD 方法筛选出来的靶点特异性化合物,和训练集里用到的配体结构不一样,但依然可以稳定结合目标靶点,对比传统 CADD 方法,新框架更容易找到新颖有效的先导化合物。整个框架是可复用的,不局限于某一个靶点,只要提供对应靶点的配体数据,就能生成对应的分子指纹,完成新一轮靶向筛选。

核心优势清单

  • ✅ 不需要大量合成新分子,优先检索已有库存化合物,降低实验门槛
  • ✅ 分子指纹检索速度快,对比全结构比对,检索开销更低
  • ✅ 支持三种分子生成模式,适配不同药物研发需求
  • ✅ 热力学积分加速方案,解决结合自由能计算慢的瓶颈
  • ✅ 打通 AI 生成、计算评估、湿实验验证的完整链路

【相关 FAQ】

问题 1:分子指纹查询在从类药分子生成靶点特异性化合物里起到什么作用?

回答 1:分子指纹查询是桥梁,DRUG-GAN 产出带靶点特征的指纹模板之后,依靠指纹相似度检索,从海量类药分子里捞取真实存在、匹配靶点特征的靶点特异性化合物,避免 AI 只生成无法落地的虚拟分子。

问题 2:FSGLD 流程产出靶点特异性化合物,和普通 AI 分子生成最大差别是什么?

回答 2:普通 AI 分子生成大多直接输出分子结构式,很多结构无法获取;FSGLD 以分子指纹为核心,先生成指纹再检索真实化合物,拿到的靶点特异性化合物可以直接采购、开展生物活性实验,落地性更强。

问题 3:匹兹堡大学这套分子指纹查询方案,能用于哪些靶点找靶点特异性化合物?

回答 3:目前已经在 GPCR、蛋白激酶、CB2 受体上验证有效,框架本身通用,只要有对应的靶点配体数据集,就可以训练生成指纹,筛选对应靶点特异性化合物。

问题 4:FSGLD 的热力学积分加速,对筛选靶点特异性化合物有什么帮助?

回答 4:热力学积分用来精准计算分子和靶点结合自由能,原来计算很慢,优化后耗时降低 80%-90%,可以批量评估大量指纹检索出来的靶点特异性化合物,加快筛选节奏。

【参考资料】

[2026-11-16](从类药分子到靶点特异性化合物,美国匹兹堡大学利用分子指纹查询加速靶向药物发现)36 氪

[2026-11-13](From Drug-like Molecules to Target-specific Compounds: University of Pittsburgh Accelerates Targeted Drug Discovery Using Molecular Fingerprint Queries)HyperAI

[2026-11-11](AI Accelerates Drug Discovery of Drug Candidates Using Existing Compounds)Technology Networks

[2026-11-10](He’s using AI to screen existing compounds for therapeutic potential)Pittwire

【免责声明】

本文内容仅为科研资讯解读,不构成药物研发投资、临床用药、药物合成指导;相关研究尚处于早期科研阶段,靶点特异性化合物不等于可用药物,科研成果能否转化成上市药物存在不确定性,相关技术效果以原始论文及后续实验验证为准。

本文来自作者[元芯跃迁官]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/3770.html

赞 (0)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 元芯跃迁官
    元芯跃迁官 2026年11月17日

    我是新新网的签约作者“元芯跃迁官”!

  • 元芯跃迁官
    元芯跃迁官 2026年11月17日

    希望本篇文章《匹兹堡大学借助分子指纹查询,把类药分子快速筛选成靶点特异性化合物》能对你有所帮助!

  • 元芯跃迁官
    元芯跃迁官 2026年11月17日

    本站[新新网]内容主要涵盖:互联网行业的追踪与探索

  • 元芯跃迁官
    元芯跃迁官 2026年11月17日

    本文概览:美国匹兹堡大学团队推出 FSGLD 全谱生成式先导化合物发现流程,依靠 DRUG-GAN 模型搭配分子指纹查询技术,解决了 AI 生成分子大多停

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们