图 基于AI的基准测试体系及筛选评估策略
在国家星空彩票官方苹果版项目（批准号：92370130）等资助下，浙江大学药学院侯廷军教授和康玉副教授针对人工智能（AI）技术在药物虚拟筛选中的应用进行了全面的基准测试，并进一步提出了平衡速度和精度的层次性药物虚拟筛选策略。研究成果以“基于虚拟筛选视角的AI驱动对接方法性能评估（Benchmarking AI-powered docking methods from the perspective of virtual screening）”为题，于2025年2月13日在线发表于国际学术期刊《自然·机器智能》（Nature Machine Intelligence）杂志上，论文链接：https://www.nature.com/articles/s42256-025-00993-0。
基于分子对接的虚拟筛选（VS）能高效识别和优化与特定靶点结合的先导化合物，从而显著降低早期研发成本与风险。传统基于物理原理的对接方法需要通过搜索算法探索配体的可能构象，并用打分函数来评估这些构象。这些方法为了提升虚拟筛选时的效率，对搜索算法和打分函数进行了简化，这限制了其在实际应用中的精度。近年来，随着数据科学的快速发展，基于AI的对接和打分新方法不断涌现，在对接的精度和速度方面展现了巨大的潜力。但是这些工具往往会忽略对接构象的物理合理性，其在实际VS中的应用潜力尚未得到充分验证，且其性能对训练数据的依赖性也亟待系统评估。
选择合适的对接与打分方法是提升先导化合物发现效率的关键环节。为此，亟需建立科学的评估体系以指导高精度、高效率虚拟筛选策略的设计。针对上述问题，该研究首先构建了一个全面的虚拟筛选基准测试集VSDS，并对四种基于物理原理的对接方法、四种AI驱动的对接方法以及两种AI驱动的重打分函数进行了系统评估。评估结果显示，AI驱动的对接方法在对接结构的物理合理性方面仍有不足，但在部分筛选场景中实现了与传统物理方法相媲美甚至显著更优的VS性能，并且某些AI方法的筛选效率显著更高，使其能够探索更广泛的化学空间，从而增加发现潜在活性分子的可能性。基于评估的结果，研究团队创造性地提出了一种层级式的VS策略，该策略在筛选速度和精度两方面实现了动态平衡，为大规模药物筛选应用提供了极具前景的新途径。