AI平台AdaptiveFlow重构药物发现云端计算

近日，来自圣朱德儿童医院、帕维亚大学、达纳法伯癌症研究所及哈佛医学院的研究团队在《自然·生物技术》期刊正式发布AdaptiveFlow平台。这是一款人工智能赋能的开源药物发现系统，旨在实现超大规模分子库的虚拟筛选。该平台通过创新的十八维分子属性网格与机器学习分类模型，将计算成本较传统方法降低千倍，并首次实现最高560万虚拟中央处理器的线性扩展，确保在筛选690亿分子时效率不衰减。作为概念验证，研究团队利用AdaptiveFlow成功识别出针对抗癌靶点PARP1及新兴靶点FSP1的高亲和力抑制剂，其结合强度媲美临床标准药物。项目负责人Christoph Gorgulla博士指出，该平台打破了算力壁垒，使以往难以承担的超大规模虚拟筛选得以常规化。凭借全开源特性与配套教程，AdaptiveFlow已向全球科研社区免费开放，有望显著加速难成药靶点的靶向药物研发进程，提升临床转化成功率。