Nat Comput Sci｜利用机器学习指导的对接筛选快速遍历巨大化学空间

本文探讨了结合机器学习与分子对接的策略，用于快速虚拟筛选包含数十亿化合物的数据库。研究背景是化学库的快速增长为药物研发提供了前所未有的机会，但传统的对接方法在面对数十亿规模的化合物库时仍具有挑战性。研究目的是开发一种高效的方法，通过机器学习分类算法减少需通过对接评分的化合物数量，从而降低计算成本。研究结论表明，该方法可将基于结构的虚拟筛选计算成本降低超过1,000倍，并成功发现了G蛋白偶联受体的配体，证明其在多靶点活性化合物发现中的有效性。