清华大学智能产业研究院（AIR）兰艳艳教授联合生命学院、化学系团队，成功研发出全球首个基于深度对比学习的超高通量药物虚拟筛选平台DrugCLIP。该成果于北京时间1月9日以《深度对比学习实现基因组级别药物虚拟筛选》为题，发表于《科学》（Science），标志着AI驱动药物发现迈入新阶段。 目前，人类仅探索了约10%的可成药靶点，面对数以万计的潜在靶点与庞大的化学空间，传统药物筛选效率极低。以分子对接为例，筛选1万个靶点、每个靶点匹配10⁹个分子，需完成10¹³次计算，传统计算机需数百年才能完成。而DrugCLIP通过将蛋白-配体打分转化为向量空间中的语义检索，实现计算效率提升百万倍。仅需一台128核CPU与8张GPU的计算节点，一天即可完成万亿级打分任务。 该平台首次实现人类基因组规模的虚拟筛选，覆盖约1万个蛋白靶点、2万个蛋白口袋，分析超5亿个类药小分子，富集出超过200万个潜在活性分子，构建了目前全球最大的蛋白-配体筛选数据库，并已免费向全球科研社区开放。 在实验验证中，DrugCLIP表现卓越：在去甲肾上腺素转运体（NET）筛选中，从160万候选分子中选出约100个高评分分子，其中15%为有效抑制剂，12个分子结合能力优于现有抗抑郁药安非他酮；在TRIP12靶点筛选中，尽管该蛋白无已知配体结构，DrugCLIP仍成功识别出多个结合分子，并验证其对泛素连接酶活性的抑制作用，充分证明其对AlphaFold预测结构的适用性。 目前，DrugCLIP平台已服务超1400名用户，完成1.35万次筛选。未来，团队将与科研与产业伙伴合作，聚焦抗癌、传染病、罕见病等领域，加速首创新药（First-in-class）发现。平台将持续优化，拓展多模态支持，推动构建更智能、高效、普惠的全球药物创新生态。 项目获国家科技部重点研发计划、国家自然科学基金、新基石研究基金及清华大学无锡研究院、北京智源人工智能研究院等支持。论文共同第一作者为贾寅君、高博文、谭佳鑫、郑济青、洪鑫；通讯作者为兰艳艳、张伟、闫创业、刘磊。