在醫(yī)學(xué)研究的浩瀚世界中，尋找新藥物就像在無邊無際的化學(xué)海洋中尋找那顆最亮的明珠。人類基因組包含大約2萬個蛋白質(zhì)編碼基因，其中許多與疾病密切相關(guān)，但令人震驚的是，目前被批準(zhǔn)的治療藥物只針對其中不到4%的蛋白質(zhì)。這意味著超過96%的人類蛋白質(zhì)仍然是"未開發(fā)的藥物寶藏"，等待著科學(xué)家們?nèi)グl(fā)現(xiàn)能夠調(diào)節(jié)它們的化合物。

最近，由上海交通大學(xué)全球未來技術(shù)研究院張鐘岳、饒佳驊等研究人員領(lǐng)導(dǎo)的國際團(tuán)隊在這個挑戰(zhàn)面前取得了重大突破。他們的研究成果發(fā)表于2025年，論文題為《Fitness aligned structural modeling enables scalable virtual screening with AuroBind》，詳細(xì)介紹了一個名為AuroBind的人工智能系統(tǒng)。這個系統(tǒng)就像一位超級精明的藥物"偵探"，能夠在數(shù)千萬種化合物中快速準(zhǔn)確地找到最有希望成為新藥的分子。

傳統(tǒng)的藥物發(fā)現(xiàn)過程就像用放大鏡一個一個檢查沙粒來尋找鉆石一樣效率低下?？茖W(xué)家們通常需要在實驗室中逐一測試成千上萬種化合物，這個過程不僅耗時數(shù)年，而且成本高昂，成功率還很低。即使是現(xiàn)有的計算機(jī)輔助藥物設(shè)計方法，也存在著準(zhǔn)確性不足、計算速度慢等問題，就像使用老式地圖在現(xiàn)代城市中導(dǎo)航一樣不夠精準(zhǔn)。

而AuroBind的出現(xiàn)就像為藥物發(fā)現(xiàn)裝上了GPS導(dǎo)航系統(tǒng)。這個系統(tǒng)的核心創(chuàng)新在于它能夠同時預(yù)測蛋白質(zhì)和化合物結(jié)合后的三維結(jié)構(gòu)，以及這種結(jié)合的"適應(yīng)性"或者說"匹配度"。就像一位經(jīng)驗豐富的紅娘不僅能看出兩個人在外表上是否般配，還能判斷他們的性格、興趣是否真正合拍一樣，AuroBind不僅能預(yù)測分子間如何結(jié)合，還能評估這種結(jié)合對疾病治療的實際效果。

這項研究的背景可以追溯到近年來人工智能在生物醫(yī)學(xué)領(lǐng)域的快速發(fā)展。特別是AlphaFold等蛋白質(zhì)結(jié)構(gòu)預(yù)測系統(tǒng)的成功，為科學(xué)家們提供了前所未有的分子世界"地圖"。然而，僅僅知道蛋白質(zhì)的結(jié)構(gòu)就像僅僅有了城市的建筑布局圖，雖然有用，但要真正找到最佳的行進(jìn)路線，還需要更多的交通信息、路況數(shù)據(jù)等。AuroBind正是在這樣的背景下應(yīng)運而生，它不滿足于僅僅預(yù)測結(jié)構(gòu)，而是要進(jìn)一步預(yù)測功能效果。

研究團(tuán)隊面臨的第一個重大挑戰(zhàn)是如何讓AI系統(tǒng)學(xué)會既準(zhǔn)確預(yù)測分子結(jié)構(gòu)又能評估功能效果。這就像要訓(xùn)練一位廚師不僅要知道如何搭配食材，還要能預(yù)測菜品的最終味道一樣困難。他們采用了一種獨特的"兩階段訓(xùn)練"策略。在第一階段，研究人員讓AuroBind學(xué)習(xí)大約10萬個已知的蛋白質(zhì)-化合物復(fù)合物結(jié)構(gòu)，這相當(dāng)于讓這位AI"偵探"先熟悉各種案件的基本模式。

但僅僅學(xué)習(xí)已知案例是不夠的，就像偵探不能只依靠過去的案例來破新案一樣。因此，在第二階段，研究團(tuán)隊采用了一種名為"自蒸餾"的巧妙方法。他們讓已經(jīng)初步訓(xùn)練好的AuroBind對更多的化合物進(jìn)行預(yù)測，然后從這些預(yù)測結(jié)果中挑選出置信度高的部分作為新的訓(xùn)練數(shù)據(jù)。這個過程就像讓偵探通過不斷練習(xí)來提高自己的推理能力，最終生成了約23萬個高質(zhì)量的訓(xùn)練樣本。

接下來是更關(guān)鍵的功能預(yù)測訓(xùn)練。研究團(tuán)隊收集了約127萬個蛋白質(zhì)-化合物對的實驗數(shù)據(jù)，這些數(shù)據(jù)包含了化合物與蛋白質(zhì)結(jié)合強(qiáng)度的精確測量值。這就像給偵探提供了大量真實案例的詳細(xì)檔案，讓他學(xué)會不僅要看證據(jù)，還要判斷證據(jù)的重要性和可靠性。

在這個階段，研究人員引入了一種叫做"直接偏好優(yōu)化"的創(chuàng)新訓(xùn)練方法。傳統(tǒng)的訓(xùn)練方式就像教學(xué)生解數(shù)學(xué)題時只告訴他標(biāo)準(zhǔn)答案，而這種新方法更像是讓學(xué)生在多個選項中學(xué)會選擇最好的答案。系統(tǒng)會比較不同化合物的結(jié)合效果，學(xué)會區(qū)分哪些化合物是"優(yōu)秀候選人"，哪些只是"普通候選人"。

然而，即使訓(xùn)練出了高精度的AuroBind系統(tǒng)，面對數(shù)千萬種化合物的篩選任務(wù)，計算量仍然是個巨大挑戰(zhàn)。這就像即使有了最好的放大鏡，要檢查一整個沙灘的沙粒仍然需要很長時間。為了解決這個問題，研究團(tuán)隊開發(fā)了AuroBind的"快速版本"——AuroFast。

AuroFast就像AuroBind的得力助手，雖然沒有完整版本那么精確，但速度快了10萬倍。在實際應(yīng)用中，AuroFast首先對所有化合物進(jìn)行快速篩選，挑出最有希望的幾千個候選者，然后再由完整版的AuroBind進(jìn)行精細(xì)分析。這種"粗篩+精篩"的策略就像先用大網(wǎng)撈魚，再用小網(wǎng)精選一樣高效。

為了驗證這套系統(tǒng)的實際效果，研究團(tuán)隊進(jìn)行了一系列嚴(yán)格的測試。他們首先在計算機(jī)模擬環(huán)境中與現(xiàn)有的最佳方法進(jìn)行比較。結(jié)果顯示，AuroBind在結(jié)構(gòu)預(yù)測準(zhǔn)確性上超越了包括AlphaFold 3在內(nèi)的現(xiàn)有系統(tǒng)，在功能預(yù)測方面也顯著優(yōu)于傳統(tǒng)的深度學(xué)習(xí)和物理計算方法。

更重要的是，研究團(tuán)隊決定進(jìn)行真正的"實戰(zhàn)檢驗"。他們選擇了10個不同類型的疾病相關(guān)蛋白質(zhì)靶點，包括與癌癥相關(guān)的酪氨酸激酶、與神經(jīng)退行性疾病相關(guān)的表觀遺傳調(diào)節(jié)因子，以及一些此前從未被成功"攻克"的孤兒G蛋白偶聯(lián)受體等。這就像選擇了10個不同類型的"懸案"來測試偵探的真實能力。

對于每個靶點，研究團(tuán)隊都從包含約3000萬種化合物的巨大化學(xué)庫中進(jìn)行篩選。這個化學(xué)庫的規(guī)模相當(dāng)于整個地球上所有已知化合物的很大一部分。整個篩選過程就像在全世界范圍內(nèi)尋找最適合的"嫌疑人"，需要極其精密的"偵查技術(shù)"。

AuroFast首先在6小時內(nèi)完成了對3000萬化合物的初步篩選，從中選出了最有希望的1萬個候選化合物。然后，完整版的AuroBind在24小時內(nèi)對這1萬個候選者進(jìn)行了精細(xì)分析，最終為每個靶點選擇了大約50個最優(yōu)候選化合物進(jìn)行實驗驗證。

實驗結(jié)果令人震驚。在傳統(tǒng)的藥物篩選中，通常只有1-3%的化合物會顯示出生物活性，而AuroBind的命中率達(dá)到了7-69%，平均超過了傳統(tǒng)方法幾十倍。更令人興奮的是，許多發(fā)現(xiàn)的化合物顯示出了納摩爾級甚至皮摩爾級的強(qiáng)效活性，這意味著極少量的藥物就能產(chǎn)生顯著的治療效果。

最強(qiáng)的一個發(fā)現(xiàn)是針對TrkB蛋白的化合物，其IC50值達(dá)到了220皮摩爾，這相當(dāng)于在一杯水中只需要加入幾個分子就能產(chǎn)生效果。總共發(fā)現(xiàn)了三個亞納摩爾級的強(qiáng)效化合物，這在傳統(tǒng)藥物發(fā)現(xiàn)中是極其罕見的。

特別值得一提的是對孤兒G蛋白偶聯(lián)受體GPR151和GPR160的成功發(fā)現(xiàn)。這兩個受體就像兩座從未被攻克的"孤島"，此前沒有任何已知的有效化合物，也沒有實驗確定的三維結(jié)構(gòu)。傳統(tǒng)的基于結(jié)構(gòu)的藥物設(shè)計方法在面對這樣的靶點時完全束手無策，就像沒有地圖的探險者面對未知的領(lǐng)域一樣。

然而，AuroBind成功地為GPR151發(fā)現(xiàn)了7個活性化合物，為GPR160發(fā)現(xiàn)了14個活性化合物，其中既包括激動劑（能激活受體的化合物），也包括拮抗劑（能阻斷受體的化合物）。這就像在完全陌生的地形中不僅找到了正確的道路，還發(fā)現(xiàn)了多條不同的路線。

對于GPR151，發(fā)現(xiàn)的兩個最強(qiáng)效化合物GPR151-C15和GPR151-C40的EC50值分別為1100納摩爾和4200納摩爾。結(jié)構(gòu)分析顯示，這兩個化合物都結(jié)合在受體的正構(gòu)結(jié)合位點，并與受體形成了廣泛的疏水和極性相互作用。值得注意的是，GPR151-C15比GPR151-C40形成了更多的分子接觸，這解釋了為什么前者具有更高的活性和效力。

對于GPR160，研究發(fā)現(xiàn)更加令人驚喜。兩個最強(qiáng)效的激動劑GPR160-C45和GPR160-C05的EC50值都在1200-1250納摩爾范圍內(nèi)，但更有趣的是，結(jié)構(gòu)分析顯示這兩個化合物結(jié)合在受體的不同位點。這一發(fā)現(xiàn)說明AuroBind不僅能找到傳統(tǒng)的結(jié)合位點，還能識別出此前未知的"隱藏口袋"，為未來的藥物設(shè)計開辟了新的可能性。

為了進(jìn)一步驗證GPR160化合物的生物學(xué)意義，研究團(tuán)隊還進(jìn)行了細(xì)胞增殖實驗。他們發(fā)現(xiàn)GPR160的一個化合物GPR160-C17能夠顯著抑制前列腺癌細(xì)胞PC3和肝癌細(xì)胞HepG2的增殖，這提示了這些化合物在癌癥治療方面的潛在應(yīng)用價值。

除了在孤兒受體上的突破，AuroBind在傳統(tǒng)藥物靶點上的表現(xiàn)同樣令人印象深刻。在GSK3α靶點上，AuroBind的命中率比之前報告的最佳結(jié)果高出49倍；在HER3靶點上高出69倍；在CDK2靶點上高出324倍；在mGluR5靶點上更是高出1474倍。這些數(shù)據(jù)清楚地顯示了AI輔助藥物發(fā)現(xiàn)相對于傳統(tǒng)方法的巨大優(yōu)勢。

從化學(xué)多樣性的角度來看，AuroBind發(fā)現(xiàn)的化合物也表現(xiàn)出了優(yōu)異的特性。研究團(tuán)隊對發(fā)現(xiàn)的283個活性化合物進(jìn)行了化學(xué)空間分析，發(fā)現(xiàn)其中25%（71個化合物）與ChEMBL數(shù)據(jù)庫中任何已知活性化合物的結(jié)構(gòu)相似性都低于0.30，這意味著這些是真正的"新面孔"，為藥物發(fā)現(xiàn)開辟了全新的化學(xué)空間。

這種化學(xué)多樣性的意義就像在尋找解決問題的方案時，不僅找到了傳統(tǒng)方法的改進(jìn)版本，還發(fā)現(xiàn)了完全不同的解決思路。這對于克服傳統(tǒng)藥物可能面臨的耐藥性、副作用等問題具有重要意義。

研究團(tuán)隊還對AuroBind的計算效率進(jìn)行了詳細(xì)分析。完整的AuroBind系統(tǒng)雖然精度很高，但計算一個蛋白質(zhì)-化合物復(fù)合物大約需要幾秒鐘的時間。而AuroFast系統(tǒng)能夠在0.0012秒內(nèi)完成同樣的預(yù)測，速度提升了約10萬倍。這使得在標(biāo)準(zhǔn)GPU硬件上，AuroFast能夠在幾小時內(nèi)篩選2000-3000萬個化合物，這在此前是完全不可想象的。

在與現(xiàn)有方法的對比中，AuroBind在各種評價指標(biāo)上都表現(xiàn)出色。在結(jié)構(gòu)預(yù)測方面，它在PoseBuster V1和V2基準(zhǔn)測試中的成功率分別達(dá)到79.1%和81.7%，超過了AlphaFold 3的78.0%和81.0%。在功能預(yù)測方面，它在DAVIS和BindingDB數(shù)據(jù)集上的AUPR分?jǐn)?shù)分別達(dá)到0.61和0.70，比最佳的監(jiān)督學(xué)習(xí)基線分別提高了33.8%和11.6%。

更重要的是，在大規(guī)模虛擬篩選基準(zhǔn)LIT-PCBA上，AuroFast在零樣本設(shè)置下達(dá)到了7.58的enrichment factor 1%分?jǐn)?shù)，比表現(xiàn)最佳的基線方法高出37.6%。這些數(shù)據(jù)證實了AuroBind不僅在個案上表現(xiàn)優(yōu)異，在大規(guī)模應(yīng)用中也具有顯著優(yōu)勢。

從技術(shù)實現(xiàn)的角度來看，AuroBind的成功得益于幾個關(guān)鍵的創(chuàng)新設(shè)計。首先是其獨特的架構(gòu)設(shè)計，它在保留AlphaFold 3的結(jié)構(gòu)預(yù)測能力的同時，增加了專門的功能預(yù)測模塊。這個模塊不僅能預(yù)測整體的結(jié)合強(qiáng)度，還能提供殘基級別的功能重要性映射，這對于理解藥物作用機(jī)制和指導(dǎo)進(jìn)一步的藥物優(yōu)化具有重要價值。

其次是訓(xùn)練策略的創(chuàng)新。傳統(tǒng)的機(jī)器學(xué)習(xí)方法通常只能學(xué)習(xí)輸入和輸出之間的直接映射關(guān)系，而AuroBind采用的直接偏好優(yōu)化方法能夠?qū)W習(xí)更復(fù)雜的偏好關(guān)系。這就像教一個人不僅要知道什么是對的，還要知道在多個"對"的選項中哪個更好。

第三是數(shù)據(jù)處理的精巧設(shè)計。研究團(tuán)隊不僅使用了大量的實驗數(shù)據(jù)，還通過過濾選擇機(jī)制確保了訓(xùn)練數(shù)據(jù)的質(zhì)量。他們只使用那些結(jié)構(gòu)預(yù)測置信度高于0.5的樣本進(jìn)行功能訓(xùn)練，這就像只用高質(zhì)量的教材來教學(xué)一樣，確保了學(xué)習(xí)效果的可靠性。

在實際應(yīng)用流程中，AuroBind采用了分層篩選的策略。這個流程包括三個主要步驟：首先使用AuroFast進(jìn)行大規(guī)?？焖俸Y選，然后使用完整版AuroBind進(jìn)行精細(xì)分析，最后通過藥物相似性、溶解性、商業(yè)可獲得性等標(biāo)準(zhǔn)進(jìn)行最終篩選。

整個流程的設(shè)計充分考慮了實際藥物發(fā)現(xiàn)的需求。例如，在最終篩選階段，系統(tǒng)會自動排除與已知活性化合物相似性過高的化合物（Tanimoto相似性>0.6），以確保發(fā)現(xiàn)的是真正的新化合物。同時，還會考慮化合物的druglikeness、溶解性等實際制藥因素，確保發(fā)現(xiàn)的化合物不僅在理論上有效，在實際應(yīng)用中也具有可行性。

值得注意的是，AuroBind的訓(xùn)練并不依賴于預(yù)定義的結(jié)合位點信息。傳統(tǒng)的結(jié)構(gòu)導(dǎo)向藥物設(shè)計通常需要事先知道藥物在蛋白質(zhì)上的結(jié)合位點，這就像需要事先知道鎖孔的形狀才能配鑰匙一樣。而AuroBind能夠自動識別最佳的結(jié)合位點，甚至能發(fā)現(xiàn)此前未知的"隱蔽口袋"，這大大擴(kuò)展了其應(yīng)用范圍。

從更宏觀的角度來看，AuroBind的成功代表了人工智能在生物醫(yī)學(xué)領(lǐng)域應(yīng)用的一個重要里程碑。它不僅解決了藥物發(fā)現(xiàn)中的技術(shù)難題，更重要的是提供了一種全新的研究范式。傳統(tǒng)的藥物發(fā)現(xiàn)是一個高度依賴實驗的試錯過程，而AuroBind提供了一種"理論先行、實驗驗證"的新模式。

這種模式的優(yōu)勢不僅在于效率的提升，更在于它能夠系統(tǒng)性地探索化學(xué)空間。傳統(tǒng)方法往往局限于已知的化學(xué)骨架和作用機(jī)制，而AI方法能夠發(fā)現(xiàn)人類直覺難以想象的分子組合。這就像從人工繪制地圖轉(zhuǎn)向了衛(wèi)星測繪，不僅精度更高，覆蓋范圍也更廣。

當(dāng)然，AuroBind也并非完美無缺。研究團(tuán)隊在論文中誠實地指出了系統(tǒng)的一些局限性。例如，對于高度動態(tài)或無序的蛋白質(zhì)靶點（如KRAS或轉(zhuǎn)錄因子c-Myc），系統(tǒng)的性能仍需要進(jìn)一步評估。此外，雖然系統(tǒng)在功能預(yù)測方面已經(jīng)表現(xiàn)出色，但預(yù)測的精確度仍有改進(jìn)空間，特別是在數(shù)據(jù)稀少的情況下。

另一個需要考慮的問題是計算資源的需求。雖然AuroFast大大提高了篩選效率，但完整版AuroBind的訓(xùn)練和運行仍需要相當(dāng)強(qiáng)大的計算資源。研究團(tuán)隊使用了96塊NVIDIA H800 GPU進(jìn)行了30天的訓(xùn)練，這樣的計算規(guī)模對于一般的研究機(jī)構(gòu)來說仍然是一個挑戰(zhàn)。

盡管存在這些限制，AuroBind的影響力已經(jīng)開始顯現(xiàn)。在論文審稿期間，就有其他研究團(tuán)隊發(fā)布了類似的工作，如Boltz-2等，這說明整個領(lǐng)域正在向功能導(dǎo)向的結(jié)構(gòu)學(xué)習(xí)方向發(fā)展。這種平行發(fā)展的現(xiàn)象在科學(xué)史上往往標(biāo)志著某個重要突破點的到來。

從產(chǎn)業(yè)應(yīng)用的角度來看，AuroBind的成功可能會重塑整個藥物發(fā)現(xiàn)行業(yè)。傳統(tǒng)的制藥公司可能需要重新考慮其研發(fā)策略，將更多資源投入到AI輔助的藥物發(fā)現(xiàn)平臺上。同時，這也可能催生新的商業(yè)模式，如專門提供AI藥物篩選服務(wù)的公司。

對于學(xué)術(shù)研究而言，AuroBind提供了一個強(qiáng)大的工具，使研究人員能夠更容易地探索那些此前被認(rèn)為"不可成藥"的蛋白質(zhì)靶點。這可能會加速對罕見疾病、孤兒病等領(lǐng)域的藥物開發(fā)，因為這些領(lǐng)域往往缺乏商業(yè)動機(jī)進(jìn)行大規(guī)模的傳統(tǒng)藥物篩選。

展望未來，AuroBind類型的技術(shù)可能會繼續(xù)向更高的精度和更廣的適用性發(fā)展?？赡艿母倪M(jìn)方向包括：更好地處理蛋白質(zhì)動態(tài)性、整合更多類型的生物學(xué)數(shù)據(jù)（如基因表達(dá)、蛋白質(zhì)修飾等）、以及開發(fā)針對特定疾病類型優(yōu)化的專門版本。

另一個有趣的發(fā)展方向是多靶點藥物設(shè)計。目前的系統(tǒng)主要關(guān)注單一蛋白質(zhì)靶點，但許多疾?。ㄌ貏e是癌癥、神經(jīng)退行性疾病等）往往涉及多個相關(guān)靶點。未來的系統(tǒng)可能需要能夠同時考慮多個靶點，設(shè)計出能夠調(diào)節(jié)復(fù)雜生物學(xué)網(wǎng)絡(luò)的藥物。

從更長遠(yuǎn)的角度來看，AuroBind代表的AI輔助藥物發(fā)現(xiàn)技術(shù)可能會與其他前沿技術(shù)相結(jié)合，如基因編輯、個性化醫(yī)學(xué)、納米藥物遞送等，形成更加強(qiáng)大的精準(zhǔn)醫(yī)療解決方案。這種技術(shù)融合可能會帶來真正的醫(yī)療革命，使得為每個患者定制專門藥物成為可能。

說到底，AuroBind的出現(xiàn)讓我們看到了人工智能在解決人類健康問題方面的巨大潛力。它不僅是一個技術(shù)突破，更是一個概念的轉(zhuǎn)變——從依賴經(jīng)驗和直覺的傳統(tǒng)藥物發(fā)現(xiàn)，轉(zhuǎn)向基于大數(shù)據(jù)和智能算法的現(xiàn)代藥物設(shè)計。這種轉(zhuǎn)變的意義不僅在于效率的提升，更在于它為攻克那些困擾人類已久的疾病提供了新的希望。

當(dāng)然，從實驗室的成功到真正的臨床應(yīng)用還有很長的路要走。發(fā)現(xiàn)有活性的化合物只是藥物開發(fā)的第一步，后續(xù)還需要進(jìn)行毒性測試、藥代動力學(xué)研究、臨床試驗等多個階段。但AuroBind為這個漫長過程提供了一個強(qiáng)有力的起點，大大提高了成功的概率。

對于普通人來說，AuroBind的成功意味著什么呢？最直接的影響可能是未來會有更多的疾病找到有效的治療方法，特別是那些目前缺乏治療手段的罕見疾病。同時，新藥開發(fā)的成本可能會降低，這有望使得藥物治療變得更加經(jīng)濟(jì)實惠。

更重要的是，AuroBind展示了人工智能與人類科學(xué)家協(xié)作的巨大價值。這種協(xié)作模式可能會成為未來科學(xué)研究的標(biāo)準(zhǔn)配置，不僅在藥物發(fā)現(xiàn)領(lǐng)域，在材料科學(xué)、環(huán)境科學(xué)、能源技術(shù)等各個領(lǐng)域都可能產(chǎn)生類似的突破。

歸根結(jié)底，AuroBind的故事告訴我們，當(dāng)先進(jìn)的人工智能技術(shù)遇到迫切的人類需求時，往往能夠產(chǎn)生令人驚喜的結(jié)果。這項研究不僅為藥物發(fā)現(xiàn)提供了新的工具，更為人工智能在科學(xué)研究中的應(yīng)用樹立了一個典型的成功案例。隨著技術(shù)的不斷完善和應(yīng)用的日益廣泛，我們有理由期待更多的科學(xué)突破將在AI的幫助下實現(xiàn)，為人類健康和福祉做出更大的貢獻(xiàn)。

有興趣深入了解這項研究技術(shù)細(xì)節(jié)的讀者，可以訪問研究團(tuán)隊在GitHub上公開的代碼和預(yù)訓(xùn)練模型（https://github.com/GENTEL-lab/AuroBind），或者查閱發(fā)表的完整論文以獲得更多詳細(xì)信息。

Q&A

Q1：AuroBind是什么？它和傳統(tǒng)藥物發(fā)現(xiàn)方法有什么不同？

A：AuroBind是上海交通大學(xué)團(tuán)隊開發(fā)的AI藥物發(fā)現(xiàn)系統(tǒng)，就像一位超級精明的藥物"偵探"。與傳統(tǒng)方法需要在實驗室逐一測試成千上萬種化合物不同，AuroBind能在數(shù)千萬化合物中快速準(zhǔn)確篩選，命中率達(dá)到7-69%，比傳統(tǒng)方法高幾十倍，還能同時預(yù)測分子結(jié)合結(jié)構(gòu)和治療效果。

Q2：AuroBind發(fā)現(xiàn)的藥物分子效果如何？安全性怎么樣？

A：AuroBind發(fā)現(xiàn)的化合物效果非常強(qiáng)，最強(qiáng)的一個針對TrkB蛋白的化合物達(dá)到220皮摩爾級效力，相當(dāng)于一杯水中加幾個分子就有效果?？偣舶l(fā)現(xiàn)了三個亞納摩爾級化合物。不過目前這些還是實驗室發(fā)現(xiàn)，要成為真正的藥物還需要經(jīng)過毒性測試、臨床試驗等多個驗證階段。

Q3：普通人什么時候能用上AuroBind發(fā)現(xiàn)的新藥？

A：從實驗室發(fā)現(xiàn)到臨床應(yīng)用通常需要10-15年時間，包括安全性測試、臨床試驗等階段。但AuroBind的意義在于大大提高了新藥發(fā)現(xiàn)的成功率和速度，特別是為那些目前缺乏治療手段的罕見疾病帶來希望，未來可能會有更多疾病找到有效治療方法，藥物成本也可能降低。