‎每日资讯速递2026-09-01｜AdaptiveFlow 平台将虚拟药物筛选成本降低1000倍

全文概要
9 月 1 日，圣裘德儿童研究医院、哈佛大学、Dana-Farber 癌症研究所、斯坦福大学、昆士兰大学等机构的研究人员在《自然·生物技术》（Nature Biotechnology）发表 AdaptiveFlow 开源平台，能够以现有方法约 1/1000 的计算成本，对数百亿种类药分子进行虚拟筛选，并成功识别出 FSP1、PARP1 的纳摩尔级抑制剂。该平台被视为"新一代自动化药物发现"的代表，有望让超大规模虚拟筛选走向常规化。

---

1. 超大规模虚拟筛选的"成本之痛"

超大规模虚拟筛选（ULVS）是 AI 药物研发的重要工具，理论上可评估数十亿种分子，从海量化学空间中"捞"出候选先导化合物。然而，高昂的计算成本、有限的灵活性与可扩展性，长期限制了这一技术的大规模普及，使其更多停留在大型药企或少数顶尖实验室的能力范围内。

AdaptiveFlow 的核心突破，正在于"效率、经济性与可及性"。研究团队宣称，该平台能以现有方法 1/1000 的成本完成同等规模的筛选，且即使在数百万虚拟 CPU 上运行，仍能保持近乎完美的线性扩展——这一特性解决了传统软件在 CPU 数量激增时"沟通效率骤降"的顽疾。

2. "18 维网格"背后的设计哲学

AdaptiveFlow 的技术核心是一个 18 维网格，每个维度代表一种分子属性（如分子量、电荷、卤原子数目等）。这一框架使研究者能够优先筛选化学多样性高的分子，并理性地选择有前景的分子库子集进行更深入的筛选，而非无差别地"暴力扫库"。

研究团队将平台应用于两个具有治疗意义的靶点进行验证：FSP1（调控铁死亡、在癌症耐药中崭露头角）与 PARP1（肿瘤学中公认的 DNA 修复酶与临床靶点）。结果显示，AdaptiveFlow 成功识别出纳摩尔级抑制剂，并通过高分辨率共晶结构完成了实验验证，证实抑制剂与靶蛋白的有效结合。

3. 690 亿分子库与 AI 制药"新常态"

据研究团队介绍，借助 AdaptiveFlow，可筛选多达 690 亿种分子，构成"全球规模最大的即用型对接分子库"。这一数字意味着，超大规模虚拟筛选正在从"少数机构的特有能力"走向"可常规开展的基础设施"。

对医学科研工作者与药企而言，AdaptiveFlow 的意义在于显著降低了"从靶点到先导化合物"的门槛：计算成本的断崖式下降，让中小型团队也有机会参与大规模虚拟筛选，进而加速早期药物发现进程。当然，“算得快"不等于"选得准”，平台的最终价值仍需在更多靶点与真实药物管线中接受检验，但其在效率与可及性上的突破，无疑为 AI 制药的普惠化铺平了道路。

来源：Nature Biotechnology、生物世界

---

---

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。