药物发现

上海交大在基于人工智能药物发现的方法研究中取得重要进展，研究人员提出的基于网络的标签空间划分的多标签多分类学习方法为药物-靶标相互作用（drug-target interaction , DTI）预测问题提供了一种新的思路。该方法为下游新药设计、老药新用提供了理论和实践依据，具有一定的理论意义和重要应用价值。

利用蛋白质结构预测控制蛋白质功能和动力学的内在联系的新技术现已可供科学家使用。该工具由宾夕法尼亚州立大学的研究人员开发，可能对蛋白质工程和药物设计有用。

西蒙弗雷泽大学化学家罗伯特-布里顿及其国际团队的新研究，发现抗病毒和抗癌药物将很快变得更便宜。现在，利用新工艺，科学家可以比以前的方法提前几个月开发新核苷类似物，为更快发现药物铺平了道路。

药物要想发挥作用，通常必须与机体内蛋白质结合。就像锁和钥匙，药物分子部分片段必须适合目标蛋白质的凹处或空腔。多年来，由Manfred Weiss博士领导的HZB大分子晶体学系（MX）团队与Gerhard Klebe教授（马尔堡大学）领导的药物设计小组一直致力于建立片段库。有助于加速药物发现。

目前我们在抗感染药物方面尚未取得更大进展。大流行防范需要一种新方法，COVID Moonshot（https://postera.ai/covid）—正在尝试实施这样的解决方案。