一场算力革命正将药物筛选从“大海捞针”变为“精准检索”，人类基因组规模的靶点全覆盖筛选首次成为现实。

人类基因组编码的2万余个蛋白，仅有约10%被开发为药物靶点，并非因为其余靶点无效，而是传统筛选工具难以应对浩瀚的化学空间。现在，清华大学智能产业研究院兰艳艳教授团队开发的DrugCLIP平台，将这一过程提速百万倍。

在普通高性能计算机上，DrugCLIP单日即可完成31万亿次蛋白-配体匹配计算，筛选100万个候选分子仅需0.02秒。传统方法需要数百年的工作量，现在一天之内就能完成。

这一突破性成果于2026年1月9日发表在《科学》期刊，标志着药物研发正式进入“后AlphaFold时代”。

01 技术破壁：从“分子对接”到“向量检索”的范式变革

DrugCLIP的核心创新在于打破了传统的药物筛选思路。团队创新性地构建了蛋白口袋与小分子的“向量化结合空间”，将传统基于物理对接的筛选流程转化为高效的向量检索问题。

传统药物筛选如同在一间黑暗的房间中摸黑找钥匙，而DrugCLIP相当于打开了灯，让钥匙与锁的匹配过程变得直观高效。

该平台结合对比学习、3D结构预训练与多模态编码技术，能在三维结构层面精准建模蛋白-配体间的相互作用。训练后的高潜力分子会自然聚集于目标蛋白口袋的向量邻域，从而支撑快速的大规模虚拟筛选。

基于128核CPU和8张GPU的计算节点，DrugCLIP实现了万亿级日吞吐能力，完美解决了药物发现中的规模瓶颈问题。

02 实验验证：从抑郁症到癌症，精准锁定高效抑制剂

速度的提升并未以准确性为代价。研究团队在去甲肾上腺素转运体（NET）靶点上进行了验证，这是抑郁症、注意缺陷多动症及疼痛疾病的重要靶点。

DrugCLIP从160万个候选分子中筛选出约100个高评分分子，实验检测显示其中15%为有效抑制剂，12个分子的结合能力优于现有抗抑郁药物安非他酮。

团队还通过冷冻电镜解析了NET与筛选分子的复合物结构，进一步验证了筛选结果的生物学可信度。

针对E3泛素连接酶TRIP12的筛选则展示了平台在困难靶点上的威力。TRIP12与肿瘤和帕金森病相关，但其HETC结构域此前尚无任何文献报道的抑制剂。

DrugCLIP从160万个分子中筛选出约50个高评分分子，实验证实其中10个有结合能力，两个高亲和力分子对TRIP12酶活性有抑制效果。

03 平台应用：全球最大蛋白-配体数据库开放共享

依托DrugCLIP平台，研究团队完成了人类基因组规模的虚拟筛选，覆盖约1万个蛋白靶点、2万个结合口袋，分析超过5亿个小分子，富集出200万余个高潜力活性分子。

由此构建的蛋白-配体筛选数据库是目前已知最大规模的同类资源，已面向全球科研社区开放。

这一数据库的建设标志着药物发现从“单一靶点探索”向“系统级筛选”转变，为基础研究与早期药物发现提供了强大数据支持。

DrugCLIP平台还支持用户自定义筛选。研究人员只需通过网页上传蛋白结构即可启动筛选任务，平台集成口袋/分子编码、向量检索、可视化与结果分析等功能。

截至论文发表，该平台已累计服务1400余名用户完成13500余次筛选。

04 后AlphaFold时代：从结构预测到药物发现的关键桥梁

DrugCLIP的特殊意义在于打通了从AlphaFold结构预测到药物发现的关键通道。平台支持对AlphaFold预测的蛋白结构和apo（无配体）状态下的蛋白口袋进行筛选，极大扩展了其在真实药物发现场景中的适用性。

在AlphaFold2解决了蛋白质结构预测难题后，科学界面临的新挑战是如何为这些预测结构找到匹配的小分子药物。DrugCLIP正好填补了这一空白，使得基于AI蛋白质结构预测的药物开发成为完整闭环。

这一突破尤其重要，因为许多潜在药物靶点的实验结构尚未解析，且在某些特定生理或病理状态下，蛋白质的结构会发生变化。结合AlphaFold2的预测能力，DrugCLIP大幅扩展了可成药靶点的范围。

团队与清华大学刘磊教授团队合作，针对AlphaFold2预测的TRIP12结构进行了虚拟筛选与实验验证，展示了这一协同作用的巨大潜力。

05 行业影响：重新定义药物研发的效率与可能性

传统药物研发长期面临“高风险、高投入、低成功率”的困境，平均需要10年时间和数十亿美元投入。DrugCLIP带来的百万倍效率提升，可能彻底改变这一格局。

平台不仅加速了已知靶点的药物筛选，更为罕见病药物研发带来新希望。罕见病由于患者数量少、研发投入有限，常常被称为“孤儿病”，其药物开发面临更大挑战。DrugCLIP的高效筛选能力可大幅降低前期研发成本，使更多罕见病药物研发成为可能。

在抗癌、传染病等领域，DrugCLIP也有望加速新靶点与首创新药的发现。团队计划与科研产业生态伙伴深度合作，在这些重点方向拓展应用。

人工智能正成为药物研发的“超级加速器”。从靶点发现到先导化合物优化，AI正在重塑药物研发的全流程。DrugCLIP的成功表明，AI不仅是辅助工具，更可能成为驱动药物研发范革的核心力量。

未来，随着DrugCLIP与科研产业生态的深度合作，抗癌、传染病、罕见病等领域的药物发现进程有望大幅加快。

清华大学这一成果的更大意义在于：它使得个性化药物设计离现实更近一步。