详细内容或原文请订阅后点击阅览
AI自动设计用于癌症靶向突变的最佳候选药物
传统的药物开发方法涉及鉴定导致疾病的靶蛋白（例如癌细胞受体），然后通过无数分子候选者（潜在药物）进行搜索，这些分子候选者（潜在的药物）可以与该蛋白结合并阻止其功能。这个过程是昂贵的，耗时的，成功率较低。
来源:英国物理学家网首页传统的药物开发方法涉及鉴定导致疾病的靶蛋白（例如癌细胞受体），然后通过无数分子候选者（潜在药物）进行搜索，这些分子候选者（潜在的药物）可以与该蛋白结合并阻止其功能。这个过程是昂贵的，耗时的，成功率较低。
KAIST研究人员已经开发了一种AI模型，该模型仅使用有关目标蛋白的信息，可以设计最佳的药物候选物，而无需任何事先的分子数据，从而为药物发现提供了新的可能性。该研究发表在《高级科学》杂志上。
药物发现 已发布由Woo Youn Kim教授在化学系领导的研究团队开发了一种名为BIND的AI模型（键和相互作用生成扩散模型），该模型可以设计和优化仅针对蛋白质结构的药物候选分子，而无需任何关于与结合分子有关的先验信息。该模型还预测了药物与靶蛋白之间的结合机制（非共价相互作用）。
这项技术的核心创新在于其“同时设计”方法。以前的AI模型侧重于产生分子，或分别评估产生的分子是否可以与靶蛋白结合。相反，该新模型考虑了生成过程中分子与蛋白质之间的结合机制，从而实现了一步。
由于它预先计入蛋白质结合的关键因素，因此它具有产生有效和稳定分子的可能性更高。生成过程从视觉上说明了如何同时创建原子，共价键和相互作用的类型和位置，以适应蛋白质的结合位点。
共价债券 靶蛋白 更多信息： doi：10.1002/advs.202502702期刊信息：高级科学
期刊信息：