核心观点 - 研究团队推出基于AI的开源平台AdaptiveFlow，能以现有方法1/1000的计算成本对数百亿种分子进行虚拟筛选，使超大规模虚拟筛选常规化[4] - 该平台成功识别出针对FSP1和PARP1靶点的纳摩尔级抑制剂，并通过实验验证[4] - AdaptiveFlow是新一代自动化药物发现平台，可筛选多达690亿种分子，构成全球最大即用型对接分子库[4] 技术优势与创新 - AdaptiveFlow在数百万个虚拟CPU上运行时展现出近乎完美的线性扩展，克服了传统软件在CPU数量增加时沟通效率丧失的问题[6] - 核心是一个18维网格，每个维度代表特定分子属性（如分子量、电荷、卤原子数），优先筛选化学多样性高的分子并指导理性选择[6] - 基于预筛选结果训练的机器学习分类模型可进一步识别最具潜力分子，通过超过1500种支持的Docking protocols进行虚拟筛选并排序[6] - 初步筛选结果质量通常远优于传统方法，可在药物发现优化阶段节省大量时间和精力[8] 应用验证与成果 - 针对PARP1靶点，AdaptiveFlow识别出具有与已获批上市药物相媲美结合强度的抑制剂[8] - 针对更具挑战性的FSP1靶点（结合位点存在额外辅因子），平台同样有效鉴定出抑制剂[8] - 成功鉴定FSP1抑制剂凸显了AdaptiveFlow作为现代药物发现强大工具的潜力，可普及超大规模分子库获取途径[8] 开源与可及性 - 整个AdaptiveFlow平台均为开源，提供分步指导和教程，任何人都可免费使用[9] - 平台可在https://adaptive-flow.ai/ 和 https://github.com/QuantumAI4Bio 下载[10] - 研究论文发表于Nature Biotechnology期刊[11]