从数以亿计的化合物中筛选活性分子，曾是药物研发最耗时费力的环节。如今，虚拟筛选(Virtual Screening,VS) 结合 AI 技术已从辅助工具跃升为核心引擎，在很多方面屡获突破[1]。
Section.01
核心机制：从“大海捞针”到“精准制导”
虚拟筛选的本质是利用计算机算法对大型化合物库进行快速过滤，以富集少数潜在活性分子供后续实验验证。其技术路径主要分为基于结构的虚拟筛选 (SBVS) 和基于配体的虚拟筛选 (LBVS)
分子对接是 SBVS 的核心技术，它通过搜索算法探索配体在靶点蛋白活性口袋中的构象，并利用打分函数预测结合亲和力。然而，传统打分函数往往因简化熵变计算而导致预测偏差。近期研究引入了机器学习修正模型，如“Docking Score ML”，通过分析超过 20 万个已知靶点的对接复合物数据，显著提升了打分函数的准确性，有效改善了传统方法在复杂蛋白-配体相互作用中的偏见问题[2]。此外，针对蛋白质柔性带来的挑战，系综对接 (Ensemble Docking) 和水分子映射技术 (如WaterMap) 被广泛应用，通过精确描述界面水分子的热力学特征，进一步提高了筛选的命中率[3]。
Section.02
技术原理固然重要，但对于各位科研汪而言，最关心的始终是：虚拟筛选在实战中到底能做什么？ 以下三个来自近期 MCE 协助客户发表的顶刊真实案例，分别代表了虚拟筛选的三种应用方向。
一、发现全新靶点与适应症
在近期一项发表于Signal Transduction and Targeted Therapy(IF=81.2) 的研究中，研究人员发现脂肪酸代谢酶 ACADS 在结直肠癌中异常低表达，导致 mtDNA 高甲基化，抑制 mtDNA 泄漏与 cGAS-STING 通路，从而建立免疫抑制微环境，促进肿瘤进展[4]。
为了将这一机制转化为治疗策略，研究团队开展了基于结构的虚拟筛选：以 ACADS 蛋白晶体结构 (PDB: 2VIG) 为靶点，对MCE 生物活性化合物库中的 2.5w 种化合物进行三级逐级筛选 (HTVS→SP→XP) ，结合人工校验，最终从数万化合物中锁定 8 个候选分子。体外验证发现，金丝桃素 (Hypericin) 可显著上调 ACADS 蛋白水平。表面等离子体共振 (SPR) 实验进一步证实两者直接结合，亲和力 Kd 达 4.25μM。
后续细胞、动物模型及人源肿瘤组织实验均证明，Hypericin 通过 ACADS 依赖的方式激活 cGAS-STING 通路，重塑免疫微环境，抑制肿瘤生长。
值得注意的是，Hypericin 作为光敏剂已成功完成 III 期临床试验，安全性良好，这一案例展示了虚拟筛选从已过 III 期临床的药物中发现全新的抗肿瘤免疫机制，体现了虚拟筛选的独特价值。
二、靶向“不可成药”膜蛋白
草酸钙肾结石是最常见的尿路结石类型，复发率高达 50%，但其形成的起始步骤长期悬而未决。在一项发表于Advanced Science (IF=14.3) 的研究中，团队通过激光捕获显微切割结合质谱分析，发现肾间质羟基磷灰石 (HAP) 沉积区域的成纤维细胞中 FASLG 显著上调 (FC=4.7)[5]。机制研究表明，HAP 晶体与成纤维细胞膜蛋白 THY1 结合，改变其配体结合偏好性——增强与 SFRP1 的结合、抑制与 NDP 的结合——进而激活 GSK3α/β-β-catenin 信号通路，直接上调 FASLG 转录，分泌的 FASLG 诱导邻近尿路上皮发生失巢凋亡，导致上皮脱落、斑块暴露，最终为草酸钙结石提供黏附位点。
THY1 是 GPI 锚定膜蛋白，无跨膜结构域和胞内结构域，完全通过蛋白-蛋白相互作用传递信号，缺乏经典小分子口袋，传统上被视为“不可成药”。团队以 AlphaFold 预测的 THY1 结构为靶点，对来自MCE 生物活性库 Plus和类药多样性库 Plus中的 107,015 种化合物进行 HTVS→SP→XP→MM-GBSA→PLIF 逐级筛选，最终锁定天然产物Benarthin。SPR证实其与 THY1 高亲和力结合 (Kd=51 nM) ，Biotin pull-down 和 CETSA 进一步验证了细胞内靶向结合。Benarthin 不阻断 HAP 与 THY1 的结合，但阻断 THY1-SFRP1 互作——它不是“关掉”信号，而是“重新平衡”信号网络。在两种 RP 小鼠模型中，口服 Benarthin 显著保护了尿路上皮完整性。
这一案例突破了“无口袋膜蛋白”的成药性限制——通过靶向蛋白-蛋白相互作用界面，干预配体结合偏好性，体现了虚拟筛选的突破性潜力。
三、为新型分子工具提供“弹头”——虚拟筛选赋能 DUBTAC 等嵌合体设计
在一项发表于Journal of Advanced Research(IF=10.7) 的研究中，团队发现 T2DM 患者颌骨 BMSCs 中谷氨酰胺合成酶 GLUL 显著下调，且其表达与成骨分化能力呈剂量依赖性相关。机制上，E3 泛素连接酶 SYVN1 在 T2DM 中上调，介导 GLUL 在 K259/K334 位点的泛素化降解，导致 GLUL 蛋白水平下降、成骨分化受损[6]。
为恢复 GLUL 蛋白水平，团队针对 GLUL (PDB:2Z5Z) 的 K259/K334 位点，对来自MCE 生物活性库和类药多样性库的 73,562 种化合物进行分子对接，结合MST验证与 DUBTAC 合成可行性评估 (活性基团数量) ，最终选择HY-126351作为靶向弹头——虽然其结合力并非最强，但仅含 1 个活性基团，更适合后续衍生化。团队将 HY-126351 与去泛素化酶 OTUB1 的共价配体 EN523 通过化学 linker 连接，设计合成了 HY-X3369 DUBTAC，其原理是招募 OTUB1 到 GLUL 附近去除泛素链，恢复 GLUL 蛋白水平。在 GK 糖尿病大鼠股骨种植体模型中，HY-X3369 局部注射显著促进了新骨形成与骨整合 (BV/TV、Tb.Th、Tb.N 显著提高)，且主要器官无病理改变。OTUB1 敲低后 HY-X3369 效应消失，证明其靶向特异性。
这一案例展示了虚拟筛选的“进阶应用”——它不仅找到了配体，更为新一代蛋白靶向技术 (DUBTAC) 提供了核心“弹头”，体现了虚拟筛选的范式跃迁。
参考文献：
[1] LIU X, REN X, LI P, et al. Research progress of artificial intelligence in high-throughput drug screening[J]. Frontiers in Pharmacology, 2026, 17.
