清华AI找药登Science！一天筛选10万亿次，解决AlphaFold遗留难题

清华团队在Science发表的工作展示了DrugCLIP平台，能够在24小时内完成10万亿次蛋白与小分子配对计算，结合AlphaFold结构预测与深度对比学习，实现了覆盖人类基因组规模的虚拟筛选能力。

平台设计与技术亮点

DrugCLIP通过大规模的表征学习与高效相似性检索管线，将蛋白结构与小分子表征映射至可比空间，从而在保持准确性的同时实现极高的计算吞吐，解决了以往方法在规模化筛选上的瓶颈。

对药物发现的影响

该平台大幅缩短早期候选物的发现周期，使得研究者能在更短时间内识别潜在抑制剂与结合位点，加速从计算预测到实验验证的闭环流程，推动药物研发效率革命。

未来挑战与展望

尽管在计算规模上取得突破，平台仍需在生物学复杂性、实验可验证性与临床转化路径上建立更紧密的反馈机制，以确保高通量预测能带来真实的药物学价值。

结论与建议

文章建议结合实验验证与可解释性分析，建立跨学科的协同平台，将高通量计算作为加速发现的强大工具，而非单一的决策终点，从而更可靠地推动临床前研究。

如有侵权，请联系删除。