9月1日消息，AI驱动的药物发现工具链再添重磅开源项目。圣裘德儿童研究医院（St. Jude Children's Research Hospital）联合帕维亚大学、丹娜-法伯癌症研究所与哈佛医学院的研究团队今日在《Nature Biotechnology》发布AdaptiveFlow平台。这是一个AI赋能的大规模云端虚拟筛选框架，可将数十亿类药分子的虚拟筛选计算成本降低1000倍，令以往昂贵到无法常规开展的超大库虚拟药物筛选变为常规操作。

性能指标方面，该框架实现了线性扩展至560万虚拟CPU核心，创下云端药物发现的新基准，在这一规模下筛选数十亿分子仍不损失效率。作为概念验证，团队利用该平台识别出针对若干现有及新兴癌症靶点的强效抑制剂，这些靶点此前已知的抑制剂极少。

技术层面，AdaptiveFlow针对的是超大规模化合物库（如Enamine REAL Space类数十亿级可合成分子库）与组合爆炸式的分子-蛋白对接计算之间的成本矛盾。通过AI引导的计算流调度与云原生架构，平台在保证筛选质量的同时把单位成本压至传统方法的千分之一，这一成本曲线的改变意味着中型研究机构乃至学术实验室也能负担原本只有制药巨头算力预算才能支撑的筛选工作。

平台以开源形式发布，与近年结构生物学工具的开源浪潮一脉相承。对制药行业而言，虚拟筛选成本的骤降可能改变早期活性化合物发现的经济学：当筛选数十亿分子成为日常操作，发现的速度与覆盖面将系统性提升，AI药物发现的竞争焦点或进一步向数据质量与下游成药性预测转移。 （来源：Phys.org）