AI平台模拟蛋白质柔性，加速药物设计

弗吉尼亚大学医学院的研究人员开发了一种全新的人工智能驱动药物发现方法，该方法可在分子结合过程中模拟蛋白质动力学。该平台由YuelDesign、YuelPocket和YuelBond组成，采用先进的AI技术来更好地预测药物如何在体内与蛋白质相互作用。该方法有望改善结合预测，并降低传统药物开发项目的高失败率。

该创新的关键在于YuelDesign，它利用扩散模型生成精确针对其蛋白质靶点的药物分子。与将蛋白质视为刚性结构的传统方法不同，该系统考虑了蛋白质在相互作用过程中自然弯曲和改变形状的方式。通过将蛋白质视为柔性而非静态结构，YuelDesign捕捉到一种被称为"诱导契合"的关键生物学现象，即药物与蛋白质结合时蛋白质发生形状变化。

这使得系统能够同时设计蛋白质结合位点和相应的药物分子，使它们在开发过程中能够相互适应。YuelPocket利用图神经网络精确定位药物应附着在蛋白质上的位置，包括使用AlphaFold等工具预测的结构。YuelBond则确保所设计分子的化学结构准确无误。

研究人员表示，他们在针对一种名为CDK2的知名癌症相关蛋白设计分子时证明，只有YuelDesign能够捕捉药物结合时发生的关键结构变化。这些工具共同作用，既可以改进新药的设计，也可以促进现有药物的重新利用。

药物开发是一个昂贵且充满不确定性的过程，成本通常估计超过数十亿美元，而人体试验的失败率接近90%。主要挑战在于预测药物分子如何与其靶点结合，即使是微小的不匹配也可能导致治疗无效或产生有害副作用。研究人员认为，他们的方法有助于降低药物开发成本、提高成功率并缩短将新疗法带给患者所需的时间。

研究人员表示，他们已将所有工具免费提供给科学界使用。他们的最终目标是使药物发现更快、更便宜、更有可能成功，从而使有前景的治疗方法能够更快地惠及患者。