2026年初，清华大学团队在《科学》期刊发布了一项震撼医药界的突破：其AI驱动的超高通量虚拟筛选平台DrugCLIP，将传统药物筛选效率提升百万倍，单日可完成31万亿次分子匹配计算，首次实现人类基因组规模的全覆盖筛选，为破解新药研发“大海捞针”难题提供了革命性工具。
清华研发AI平台DrugCLIP，一天可完成万亿级药物配对！
一、核心突破：从“物理模拟”到“向量检索”的范式跃迁
技术原理革新
传统虚拟筛选依赖分子动力学模拟，需逐步骤计算蛋白质与配体的结合过程，耗时长且算力需求巨大（如370亿分子库筛选需数千万元成本与数周时间）。而DrugCLIP创新性地将生物分子相互作用转化为向量空间相似度匹配问题：
通过深度对比学习技术，将蛋白质结合口袋和小分子结构编码为高维向量；
在统一向量空间中直接比对相似性，跳过物理模拟步骤；
普通计算节点（128核CPU+8张GPU）即可实现毫秒级分子打分，筛选100万分子仅需0.02秒。
算力与算法协同优化
国家超算无锡中心同期开发的 SWDOCKP²框架，基于国产“神威·海洋之光”超算实现每日1.9万亿次分子对接：
创新多靶标并行处理技术，同步对接8个蛋白质结构；
引入“构象早淘汰”机制，减少50%冗余计算；
跨平台兼容设计，从神威超算延伸至通用CPU集群。
二、破解“大海捞针”难题的关键路径
规模性覆盖：从局部靶点走向全基因组
DrugCLIP完成约1万个蛋白靶点、2万个蛋白口袋的全覆盖筛选，分析5亿余类药小分子，富集出200多万潜在活性分子；
建成全球最大蛋白-配体数据库并免费开放，覆盖此前仅10%的可成药靶点。
精准性跃升：数据驱动的智能匹配
在抑郁症靶点筛选中，平台从160万分子中锁定15%有效化合物，其中12个分子结合效果优于上市药物安非他酮；
首次为癌症与帕金森相关的“暗靶点”TRIP12发现活性抑制剂，解决传统方法无法触及的难题。
成本与周期压缩：重塑研发经济模型
传统筛选单靶点需数月、耗资千万，超算框架将早期发现周期从数年缩短至天级；
中山大学团队基于“天河二号”超算，结合AI与分子模拟，49天内发现PROTAC抗癌先导化合物并完成验证。
三、行业变革：从封闭研发到开放生态
普惠化工具落地
DrugCLIP平台已开放线上服务，支持用户上传靶点定制筛选，累计完成1.35万次任务；
皓元医药等企业整合超算与AI，构建“亿级化合物库+智能引擎”的一站式筛选服务。
全球研发格局重构
中国在AI制药领域实现从“跟跑”到“领跑”：清华大学成果成为继AlphaFold后结构生物学的又一里程碑；
MIT的DrugReflector、谷歌AlphaFold3等国际进展同步加速，全球首款全AI研发药物预计2026年进入临床II期。
四、未来挑战与方向
技术边界突破
当前模型仍依赖已知数据，生成全新分子结构能力有限（如MIT模型无法设计新分子）；
对体内复杂作用网络（如多靶点毒性）的预测仍需深化。
临床转化验证
AI筛选化合物的体内活性确认率约15%，需通过湿实验与临床研究闭环；
晶泰科技、英矽智能等企业正推动超百亿级虚拟分子库的实体合成与测试。
超算与AI的融合正将药物研发从“试错艺术”转化为“精准科学”。随着开源数据库扩大与算法迭代，未来针对罕见病和恶性肿瘤的个性化药物有望实现“按需设计”，人类攻克疑难疾病的进程将步入指数级加速通道。
(以上内容均由AI生成)
