在生物科学的广阔天地中，谷歌DeepMind的一项最新突破正引领一场革命。AlphaFold 3，这一人工智能模型的横空出世，不仅预示着生物分子结构预测的精准时代到来，更有可能彻底改变药物发现的进程。5月8日，《自然》杂志详尽报道了这一里程碑式的创新，其背后的故事和影响值得深入探讨。
在当今的科技时代，人工智能（AI）和自动化系统正在改变我们生活的方方面面，包括化学研究和制造。然而，化学领域的研究和制造过程往往复杂且耗时，需要大量的实验和试错。为了提高化学研究的效率和效果，研究人员不断探索新的技术和方法。最近，一个新工具应运而生，新工具将大大提高化学反应的效率和选择性，从而为工业化学和药品制造等领域带来巨大的变革。
在当今科技飞速发展的时代，人工智能（AI）和自动化技术已经在医药领域扮演了越来越重要的角色。传统的药物研发过程耗时长、成本高，而且往往伴随着不确定性和失败的风险。随着AI的介入，这一过程正发生着翻天覆地的变化。AI不仅可以提高药物发现和设计的效率，还能降低研发成本，加速新药的上市。近日，一项最新研究成果无疑是医药研发领域的一个重要突破。
美国麻省理工学院和塔夫茨大学研究人员设计出一种基于大型语言模型（如ChatGPT）的人工智能算法，这种称为ConPLex的新模型可将目标蛋白与潜在的药物分子相匹配，而无需执行计算分子结构的密集型步骤。相关论文发表在最新一期《美国国家科学院院刊》上。
美国中佛罗里达大学的研究人员创建出基于AI的筛选模型AttentionSiteDTI，可加快药物发现进程，并在识别有希望的候选药物方面具有97%的准确性。
根据6日发表在《自然》网站上的一项新研究，人类蛋白质表面的潜在治疗靶点的数量比之前认为的要多得多。西班牙巴塞罗那基因组调控中心（CRG）的研究人员开发出一项突破性新技术，揭示了许多控制蛋白质功能的“秘密大门”，从理论上讲，这些“门”可以显著改变痴呆症、癌症和传染病等各种疾病的进程。现在，他们已经绘制出这些被称为“变构位点”的靶点的第一张图。
作为最“艰苦”的学科之一，有机化学正变得越来越简单。6年前，美国一个化学团队发明了一种合成系统平台，可自动构建多种有机分子，进而将其作为潜在的药物、燃料和香水材料。但该系统能力有限，只能构建平面分子链或2D环状结构分子，不能组装3D小分子，而后者正是许多药物和材料所需要的。
科学家已经克服了创造新型硫基药物的一项关键技术挑战，从而为对抗疾病带来了许多新的治疗“武器”的前景。基于硫的药效团用途广泛，对药物开发人员来说非常有前途。新方法使药物发现过程更加高效。
SLAS Technology 的特别合集“药物发现的分析指导手册：重要技术”现已推出，此SLAS 技术特刊是SLAS Discovery 12 月特刊的免费发行。这两期期刊都重点介绍了由国家转化科学促进中心 (NCATS)分析指导手册(AGM) 计划举办的高通量筛选和先导发现系列分析指导研讨会。
在 Nature 的一项研究中，由 USC Dornsife 的 Vsevolod Katritch 领导的研究人员展示了“V-SYNTHES”，这是一种筛选“分子拼图”以构建与蛋白质上的药物靶标匹配的化合物的虚拟方法。
加州大学圣地亚哥分校医学院的研究人员在2021 年 7 月 12 日的《自然通讯》在线问题上描述了一种新方法，该方法使用机器学习加速药物发现，然后预测药物是否有可能获得 FDA 的批准。
Facebook AI研究实验室（Facebook’s AI Research lab；FAIR）和德国环境健康研究中心Helmholtz Zentrum München，于2021年4月16日宣布将推出一种新的机器学习工具，旨在帮助加速发现有效的抗疾病和癌症的新药物组合，通过AI加速药物发现。
瑞典查尔姆斯理工大学的研究人员介绍了一种利用人工智能生成合成蛋白质的方法。这种新方法对于开发高效的工业酶以及抗体和疫苗等新型蛋白质药物有着巨大的潜力。由于瑞典查尔姆斯理工大学的研究人员最近发表的工作，人工智能现在已经能够生成新颖的、具有功能活性蛋白质。
美国麻省理工学院（MIT）的科学家开发出DeepBAR技术，可快速计算候选药物与其靶蛋白间的结合亲和力，并在短时间内得到精确的计算结果。药物只有粘附在体内的靶蛋白上才能发挥药效，因此评估粘性是药物发现和筛选过程中的一个关键障碍，机器学习技术的引入或能降低该障碍。
通过活性而不是结构来评估药物化合物是一种新方法，可以加快对COVID-19治疗的搜索速度，并揭示出其他疾病的更多潜在治疗方法。科学家开发基于生物活性的建模可改善有前景的药物筛选，加速药物发现。
近日，香港中文大学（中大）化学系的研究人员，研发出首个用于制备「手性卤代螺环化合物」（chiral halo-spiro compound）的新型催化系统。它是一种极具潜力、可用于不同类型药物的化合物。今次研究将丰富新药设计的化学「工具箱」，制药行业将来有更多原材料可供选择。
