虚拟筛选是什么？用计算机从海量化合物中挑出候选药物

虚拟筛选（Virtual Screening，VS）是计算机辅助药物设计（CADD）中的一项关键技术，它的目标是通过计算的方法，从庞大的化合物库中找出最有可能与特定蛋白质靶点结合、从而发挥药效的分子。它能大幅缩小需要进行实验测试的候选范围，节省新药研发的时间和成本。

为什么需要虚拟筛选

大多数药物的作用原理，是药物分子与人体内某个特定的蛋白质（称为靶点）结合，改变它的功能，比如抑制一个导致疾病的酶。寻找新药的一个关键步骤，就是找到能与靶点很好地结合的分子。传统的做法是高通量筛选：在实验室中，用自动化的设备把成千上万甚至上百万个化合物逐一与靶点进行实验测试。这种方法成本高昂、耗时很长。而且可以合成的潜在药物分子数量是天文数字，现在的虚拟化合物库已经包含了数十亿甚至更多的分子，不可能在实验室里一一测试。

虚拟筛选的思路是：先在计算机里进行“虚拟实验”，从海量的分子中快速地挑出一小部分最有希望的候选分子，再只对这些分子进行实际的实验验证，大大提高了效率。

两种主要方法

基于结构的虚拟筛选：当靶点蛋白的三维结构已知时使用，最常用的方法是分子对接：在计算机中模拟每个候选分子如何“嵌入”靶点蛋白的结合口袋，就像试一把钥匙能不能插进一把锁，计算它们结合时的姿态和结合的强度（亲和力），按照打分高低对分子进行排序。代表性的软件有 AutoDock、Glide 等。

基于配体的虚拟筛选：当靶点的结构未知，但已经知道一些能与它结合的活性分子时使用。它的依据是“结构相似的分子往往具有相似的活性”：以已知的活性分子为参照，搜索化合物库中与它们相似的分子，或者建立定量构效关系模型，根据分子的结构特征预测它的活性。

AI 带来的变化

人工智能正在深刻地改变虚拟筛选。机器学习和深度学习模型可以从大量已知的实验数据中学习，比传统的打分函数更准确地预测分子与靶点之间的结合；而且速度快得多，能够在合理的时间内筛选包含数十亿分子的超大规模化合物库。AlphaFold 等蛋白质结构预测技术，让许多原本结构未知的靶点也有了可用的三维结构，扩大了基于结构的虚拟筛选的适用范围。AlphaFold 3 等模型还能直接预测蛋白质与小分子的复合物结构。此外，生成式 AI 不再局限于从已有的分子库中挑选，而是能够直接设计出全新的、具有期望性质的分子。

需要注意，虚拟筛选的结果只是预测，存在一定比例的假阳性，挑出的候选分子仍然必须经过严格的实验验证，后续还要经过漫长的临床前研究和临床试验，才可能成为真正的药物。