全球首次实现：我国突破超大规模 AI 药物筛选技术，千亿级分子库秒级检索

突破“大海捞针”：AI对比深度学习框架DrugCLIP问世

清华大学联合研究团队提出创新性“AI对比深度学习”框架——DrugCLIP，为超大规模药物筛选提供了全新解法。该框架不再依赖传统分子对接计算，而是通过深度对比学习直接学习蛋白与配体之间的相互作用模式，实现超高速、高精度的虚拟筛选。参考现有技术如MIT和塔夫茨大学基于ChatGPT的ConPLex模型，DrugCLIP在检索效率和覆盖范围上实现了质的飞跃，首次完成全基因组规模的药物映射，将筛选精度从“大海捞针”提升至“精准定位”。

千亿级分子库秒级检索：速度提升百万倍的“魔法”

DrugCLIP的核心突破在于将药物模拟筛选速度提升百万倍级。传统方法对千亿级分子库进行虚拟筛选需耗费数周甚至数月，而该框架利用AI快速识别和处理结构化的研发数据，结合医药领域专家知识，构建了亿级别的超高通量分子筛选系统。通过对比学习将蛋白和分子映射到统一特征空间，DrugCLIP可在秒级完成对千亿级候选分子的排序和匹配，使大规模药物虚拟筛选成为工业级可行方案。

构建全球最大蛋白-配体筛选数据库：全基因组药物映射

研究团队同步建立了目前全球规模最大的蛋白-配体筛选数据库。该数据库覆盖上万个靶点和数亿级的候选分子，通过DrugCLIP进行系统性匹配，实现了从单一靶点向全基因组规模的跨越。以抑郁症相关靶点为例，该大模型筛选可快速锁定与靶点高度匹配的候选分子，大幅缩短药物发现的前期周期，降低研发成本。这一数据库的建成，标志着我国在AI药物筛选领域已具备全球领先的数据基座。