JCIM｜药物发现中基于AI的蛋白质结构预测：影响和挑战

2022年6月21日，来自小分子变构药物发现公司HotSpot Therapeutics的Michael Schauperl等人在J Chem Inf Model杂志发表文章，探讨了基于AI的蛋白质结构预测方法对药物发现领域的关键贡献，以及所面临的局限性和挑战。

论文链接：

https://pubs.acs.org/doi/abs/10.1021/acs.jcim.2c00026

摘要

蛋白质是人体的分子机器，其功能失常往往导致疾病。因此，蛋白质是药物发现的关键靶点。蛋白质的三维结构决定了其生物功能，其构象状态决定了底物、辅助因子和蛋白质的结合。合理的药物发现采用工程小分子选择性地与蛋白质相互作用以调节其功能。为了选择性地靶向蛋白质并设计小分子，了解蛋白质的结构及其所有特定的构象至关重要。不幸的是，对于大量与药物发现有关的蛋白质来说，其三维结构还没有通过实验解决。

最近，AlphaFold2，一个基于深度神经网络的机器学习应用，能够以前所未有的准确性预测蛋白质的未知结构。尽管AlphaFold2取得了令人印象深刻的进展，但自然界仍然对结构预测领域提出了挑战。在本文中，我们探讨了AlphaFold2和相关方法如何帮助提高药物设计效率。我们强调了先进的机器学习方法在哪些方面需要进一步改进，以便成功地、充分地应用于制药行业。