对于癌症和自身免疫性疾病等复杂疾病的治疗，单一靶标药物由于容易产生耐药性，治疗效果往往受限。因此，能够同时作用于两个治疗靶标的双靶标药物设计成为了研究的热点。

传统的双靶点药物设计往往面临研发周期长且成本高昂的问题，因此结合人工智能和分子模拟技术为提高药物设计提供了新的可能性。

近日，中山大学杨跃东教授团队利用强化学习实现双靶点药效团的融合，结合基于主动学习的分子模拟策略，大幅度提高双靶点药物设计的成功率。

该研究提出的 AIxFuse 方法是一种结合了强化学习和主动学习的双靶点药物设计方法。该方法通过分子模拟来学习满足双靶标结构约束的药效团融合模式。AIxFuse 利用两个自我对弈的强化学习代理来学习药效团的选择和融合，通过多个目标分数的反馈来优化学习过程。同时 AIxFuse 还采用了主动学习来学习分子对接得分，进一步提高设计效率。由于使用分子模拟而不是简单的机器学习活性预测器，AIxFuse 能适用于更多的双靶点设计任务，并且具有更好的结构可解释性。

该方法在两组双靶点中开展了药物设计示范应用，并与现有的最先进方法进行了比较。第一个任务是设计针对糖原合成酶激酶-3β (GSK3β) 和 c-Jun 氨基末端激酶 3 (JNK3) 的双靶标抑制剂。如图 2 所示，与 REINVENT2.0、RationaleRL、MARS 等最先进的双靶点设计方法相比，AIxFuse 生成的分子具有更好的双靶点分子对接打分 (docking score)。并且其生成分子的类药性 (QED)、可合成性 (SA)、LogP 以及分子量 (Weight) 都更接近于已知的 GSK3β 和 JNK3 单靶点抑制剂的分布。

    图 2. AIxFuse 能同时优化 GSK3β 和 JNK3 的分子对接打分

另外一个任务是针对视黄酸受体相关孤儿受体 γ-t (RORγt) 和二氢乳清酸脱氢酶 (DHODH) 的双靶标药物设计。AIxFuse 在成功率上相较于其他方法有 5 倍的相对提升。杨跃东教授团队对生成分子进行了多层次的筛选。经过绝对自由能微扰计算 (ABFEP)，最终获得的化合物 AF-5 具有与共晶结构中的两个单靶点活性分子 (GSK-98E, BAY2402234) 相媲美的结合自由能。研究人员还发现 AF-5 的对接结构满足已知的构效关系，能与靶标蛋白建立与已知活性分子相似的药物-小分子相互作用，如氢键和 π-π 堆积等。

    图 3. 利用 AIxFuse 生成并筛选出具有双靶点活性潜力的类药小分子

总之，通过结合 AI 和分子模拟，AIxFuse 针对两对双靶点蛋白质的药物设计，表现出高效准确的双靶点药物设计能力，目前已经被多家新药研发公司应用于药物管线研发中。

该成果以“Structure-aware dual-target drug design through collaborative learning of pharmacophore combination and molecular simulation”(《基于药效团组合和分子模拟协同学习的双靶点药物智能设计》)为题，发表在英国皇家化学会期刊 Chemical Science 上，并入选为期刊封面文章。

    Structure-aware dual-target drug design through collaborative learning of pharmacophore combination and molecular simulation
    Sheng Chen, Junjie Xie, Renlong Ye, David Daqiang Xu and Yuedong Yang*（杨跃东，中山大学）
    Chem. Sci., 2024, 15, 10366-10380
    https://doi.org    /10.1039/D4SC00094C
陈晟 博士研究生
中山大学

本文第一作者，中山大学计算机学院博士研究生。在 Nature Machine Intelligence, Chemical Science, JCIM, BIBM 等国际知名期刊与会议上发表过研究论文。参与阿里云天池冷冻电镜蛋白质结构建模大赛，负责主要算法开发并获得冠军。当前主要研究方向：蛋白质结构预测，蛋白设计，药物分子生成。







杨跃东 教授
中山大学
本文通讯作者，中山大学计算机学院教授、国家超算广州中心总工程师，国家级青年人才，主持基金委重大专项课题、国家重点研发课题等。作为第一/通讯作者在 Nature Machine Intelligence (2 篇)／Nat Comp Sci／Chem／Nat Comm (2 篇) 等领域顶级期刊和会议上发表 100 多篇论文，谷歌学术总引用 1 万多次，入选年度全球前 2% 最有影响力科学家（斯坦福大学）、2022 年中国智能计算科技创新人物（麻省理工评论-Deeptech）。获 2023 年广东省科技进步特等奖、中国电子学会科技进步一等奖、Cell 出版社 2021 中国年度论文、2021 年世界人工智能大会青年优秀论文奖等。担任 Comm Biol（Nature 出版社，中科院一区）和 BMC Bioinfo 杂志编委。目前主要研究融合超算和智算的多尺度生物信息计算及药物设计应用，并基于“天河二号”开发一站式生物医药超算平台。

Home to exceptional research and thought-provoking ideas. Open and free, for authors and readers.

rsc.li/chemical-science

2-年影响因子*7.6分
5-年影响因子*8.0分
JCR 分区*Q1 化学-综合
CiteScore 分†14.4分
中位一审周期‡33 天


Chemical Science 是涵盖化学科学各领域的跨学科综合性期刊，也是英国皇家化学会的旗舰期刊。所发表的论文不仅要在相应的领域内具有重大意义，而且还应能引起化学科学其它领域的读者的广泛兴趣。所发表的论文应包含重大进展、概念上的创新与进步或者是对领域发展的真知灼见。发文范围包括但不限于有机化学、无机化学、物理化学、材料科学、纳米科学、催化、化学生物学、分析化学、超分子化学、理论化学、计算化学、绿色化学、能源与环境化学等。作为一本钻石开放获取的期刊，读者可以免费获取所发表论文的全文，同时从该刊的论文版面费由英国皇家化学会承担，论文作者无需付费。

Editor-in-Chief

Associate editors

    Vincent Artero
    ?? 格勒诺布尔阿尔卑斯大学／法国原子能和替代能源委员会

    Luis M. Campos
    ?? 哥伦比亚大学

    Lin Chen
    ?? 西北大学

    Graeme Day
    ?? 南安普敦大学

    Mircea Dincă
    ?? 麻省理工学院

    François Gabbaï
    ?? 得克萨斯农工大学

    Subi George
    ?? 贾瓦哈拉尔·尼赫鲁高级科学研究中心

    Ryan Gilmour
    ?? 明斯特大学

    Stephen Goldup
    ?? 伯明翰大学

    Jinlong Gong (巩金龙)
    ?? 天津大学

    Zaiping Guo (郭再萍)
    ?? 阿德莱德大学

    Christian Hackenberger
    ?? 德国莱布尼茨分子药理学研究所

    Malika Jeffries-EL
    ?? 波士顿大学

    Ning Jiao (焦宁)
    ?? 北京大学

    Tanja Junkers
    ?? 莫纳什大学

    Hemamala Karunadasa
    ?? 斯坦福大学

    Maja Köhn
    ?? 弗莱堡大学

    Yi-Tao Long (龙亿涛)
    ?? 南京大学

    James K McCusker
    ?? 密歇根州立大学

    Thomas J Meade
    ?? 西北大学

    Paolo Melchiorre
    ?? 博洛尼亚大学

    Gabriel Merino
    ?? 墨西哥国家理工学院科研和高级研究中心

    Hannah Shafaat
    ?? 加州大学洛杉矶分校

    Dmitri Talapin
    ?? 芝加哥大学

    Toshiharu Teranishi
    ?? 京都大学

    Andrei Yudin
    ?? 多伦多大学

* 2023 Journal Citation Reports (Clarivate, 2024)

† CiteScore 2023 by Elsevier

‡ 中位数，仅统计进入同行评审阶段的稿件







欢迎联系我们发布论文报道
? RSCChina@rsc.org

点击下方「阅读原文」查看

↓↓↓