近日，深圳理工大学（筹）药学院讲席教授、中国科学院深圳先进技术研究院计算机辅助药物设计研究中心首席科学家Horst Vogel团队联合瑞士洛桑联邦理工学院（EFPL）和深圳阿尔法分子科技有限责任公司（AlpahMol）在国际顶级学术期刊Nature Biotechnology（IF=68.164）上发表了题为Computational drug development for membrane protein targets的综述文章。

文章回顾了计算工具在药物发现中的应用，讨论了目前AI技术以及冷冻电镜技术的发展对药物研发，尤其是以膜蛋白为靶标的药物研发所造成的影响。人类蛋白质中约三分之一为膜蛋白，其中G蛋白偶联受体(GPCR)和通道蛋白最为丰富，对细胞信号传导和病理生理过程至关重要，因此膜蛋白成为大多数药物开发的靶点。全新药物(First-in-Class)的开发通常伴随着巨大的时间和金钱成本，文章讨论了计算生物学和结构生物学的一些最新进展，并提出了四个问题，包括膜蛋白结构的预测精度、计算工具如何加速药物设计、机器学习如何加速和扩大膜蛋白结构生物学工具箱以及计算生物学方法的可靠性。针对这些问题，文章详细介绍了相关的计算方法和实验技术，如深度学习、化学筛选、计算机辅助化学合成规划、机器学习等，并强调了这些方法在膜蛋白结构和功能研究中的应用潜力。这些技术有望显著缩短药物开发的时间并降低成本。随着计算方法和人工智能在药物开发中的应用日益增多，许多初创公司和大型科技公司都在利用人工智能加速药物开发。尽管在膜蛋白方面的应用仍处于早期阶段，但这些令人振奋的发展成果为未来的药物开发提供了巨大的潜力。

此外，文章也强调了湿实验研究和计算工具的相互配合在药物开发中的重要性，发挥计算工具在数据处理和预测方面的优势，以及湿实验在实验验证和深入探究方面的优势，从而更快、更有效地发现和开发新的药物。

瑞士洛桑联邦理工学院（EFPL）Henning Stahlberg,深圳阿尔法分子科技有限责任公司（AlpahMol）袁曙光博士，深圳理工大学（筹）/深圳先进院Horst Vogel教授为通讯作者；原深圳先进院博士后、现阿尔法分子的研究员李海剑博士，深圳先进院博士后孙晓琳、饶智丽、郭李伟，博士生崔文强、Marc Xu、董俊麟等为共同一作。

膜蛋白配体虚拟筛选流程(以GPCR为例)

原文链接