科学摘要

标签： 药物

  • 中国团队推出超高速AI药物发现框架DrugCLIP

    来源：《科学》

    中国清华大学团队开发出新型AI药物发现框架DrugCLIP，其筛选速度较传统虚拟筛选方法提升千万倍。该系统通过双神经网络将蛋白质口袋与药物分子转化为数学向量，仅需计算向量间距离即可快速匹配。研究人员结合AlphaFold 2预测的约1万个人类蛋白质结构，利用自研工具GenPack优化结合位点精度，在一天内完成了500亿个分子与1万个靶点的10万亿次筛选，并成功为癌症与自闭症相关蛋白TRIP12找到潜在配体。该框架及蛋白数据库已开源，为全球药物研发提供新引擎。

  • 常用药物通过营养竞争重塑肠道菌群

    来源：《细胞》

    斯坦福大学研究发现，超700种临床常用药物会显著改变肠道菌群结构，其中141种会造成持久影响。研究揭示药物不仅直接抑制敏感菌，更通过改变肠道营养环境引发菌群间资源竞争，最终导致菌群结构重组。该团队建立的预测模型能准确模拟药物对菌群的影响，为开发兼顾疗效与菌群健康的个性化用药方案提供了新框架。

  • 实验药物IC7Fc展现防治心血管疾病新潜力

    来源：《科学进展》

    由莱顿大学医学中心与莫纳什大学领衔的国际团队发现，实验药物IC7Fc在动脉粥样硬化模型小鼠中能显著降低血液甘油三酯与胆固醇水平，减少血管斑块形成并抑制炎症反应。该药物此前已被证实可改善2型糖尿病及肥胖，但本次在瘦型小鼠中仍显现心血管保护作用，表明其疗效不依赖于减重机制。研究者认为IC7Fc有望成为同步应对代谢性疾病与心血管疾病的创新疗法。

  • AI提供药物筛选新捷径

    来源：《科学》

    研究人员开发了一款名为DrugReflector的人工智能模型，该模型通过分析约9600种化学物质在50多种人类细胞中对基因活动的影响数据进行训练。验证显示，该模型在寻找能影响特定血细胞生成的化合物方面，效率比从化合物库中随机筛选的传统方法高出最多17倍，有望显著加速新药研发进程。

  • 融入物理约束的AI模型革新药物设计

    来源： 《美国国家科学院院刊》

    加州理工学院Anima Anandkumar团队开发了新型机器学习模型NucleusDiff，通过引入原子间距离约束等简单物理规则，有效解决了AI在药物设计中常提出的不符合物理规律的分子结构问题。该模型通过估算分子空间分布，避免原子碰撞，在测试中不仅将原子碰撞率降至接近零，还显著提升了结合亲和力的预测准确性，尤其在COVID-19靶点蛋白3CL蛋白酶的应用中表现优异。研究体现了“AI4Science”计划中物理知识与数据驱动模型的深度融合，增强了AI在科学探索中的可靠性与泛化能力。

  • 癌症恶病质新药研发取得重大突破

    来源：《自然综述：药物发现》

    针对导致20-30%癌症患者死亡的恶病质（极度消瘦综合征），两款新药已进入临床试验最终阶段。辉瑞的ponsegromab与CatalYm的visugromab均靶向GDF-15蛋白，该蛋白会抑制食欲并在约94%的恶病质患者中过度表达。其中，辉瑞的II/III期试验将纳入逾980名晚期胰腺癌患者，结果可能推动该药在美欧获批。专家称此为期待已久的“恶病质时刻”。

  • 数学模型揭示用药时机关键性，昼夜节律影响药物疗效

    来源： 《公共科学图书馆·计算生物学》

    研究人员通过构建多巴胺再摄取抑制剂的数学模型，发现药物疗效显著受昼夜节律影响。研究表明：在人体自然多巴胺水平上升前数小时服药，可延长治疗效果；若在错误时段用药，则会导致多巴胺水平剧烈波动。这一机制为注意力缺陷多动症、抑郁症等疾病的时辰疗法提供了理论依据，模型还能进一步指导超昼夜节律与药物相互作用的研究，助力个性化给药方案优化。

  • 新型抗癌药物精准阻断RAS通路，临床试验启动

    来源：《科学》

    研究团队通过化学筛选发现能特异性阻断致癌基因RAS与PI3K相互作用的小分子化合物，该药物可阻止肿瘤生长且不影响PI3K参与的正常生理功能（如胰岛素通路）。在RAS突变肺癌小鼠模型中，单药或联合用药均能有效抑制肿瘤，且未引发高血糖等副作用。该药物对HER2突变肿瘤同样有效，现已进入首期人体临床试验，有望成为广谱抗癌新方案。

  • 药物可长期影响肠道菌群 停药数年仍存“微生物指纹”

    来源：《mSystems》

    基于2500余份爱沙尼亚生物样本库数据的研究发现，抗生素、抗抑郁药、β阻滞剂等多种药物均会在肠道菌群中留下长期“指纹”，其影响可持续至停药数年后。苯二氮䓬类药物对菌群的扰动作用堪比广谱抗生素。研究强调，药物使用史是解读菌群与疾病关系的关键因素，呼吁临床与研究重视用药历史记录。