中国科学院上海药物研究所研究员郑明月团队开发了一种基于生成式人工智能（AI）的蛋白-配体复合物结构预测方法SurfDock。该方法利用蛋白质表面信息构建几何扩散神经网络，高精度自动生成配体结合构象，已成功应用于基于结构的虚拟筛选。相关研究成果近日在线发表于《自然-方法学》。

理解蛋白-配体相互作用是分子生物学和生物化学的基础，对基于结构的药物设计至关重要。基于AI技术，科学家能更精准地了解蛋白-配体相互作用，加速药物研发进程。AI与生命科学的交叉正在改变人类健康和医学研究格局，为疾病研究和靶向治疗药物开发开辟新的途径。

研究团队提出了一种新型基于蛋白表面的几何扩散神经网络SurfDock，用于生成精准可靠的蛋白-配体复合物构象。该模型将多种蛋白质信息整合到表面节点的表示中，并配备了一个称为SurfScore的内部评分模块，通过对蛋白-配体复合物的训练评估构象的置信度。

此外，SurfDock整合了一个可选的基于力场的优化步骤，进一步提升了其性能。这些创新设计使SurfDock在多个基准测试中展现出优异的对接能力，其生成构象的合理性显著超越了现有深度学习方法。

值得注意的是，SurfDock能够有效适应新的蛋白质、口袋等结构，即使在处理高度柔性的配体时该模型也表现出色。在实际应用中，研究团队通过针对ALDH1B1的筛选实验证实了SurfDock的实用价值，它成功快速筛选出7个具有新骨架的先导分子。

相关论文信息：https://doi.org/10.1038/s41592-024-02516-y

（原载于《中国科学报》 2024-12-09 第3版 综合）