Nat. Chem. Biol.面向探针发现的原子级蛋白质-配体识别模型PBCNet2.0

2026年6月12日，中国科学院上海药物研究所的研究团队在《Nature Chemical Biology》上发表了题为“Atomic-level protein-ligand recognition with PBCNet2.0 for probe discovery”的研究论文。该研究介绍了一种基于深度学习的模型PBCNet2.0，用于预测蛋白质-配体的相对结合亲和力。PBCNet2.0以蛋白质-配体复合物的三维结构作为输入，能够进行系列化合物的相对活性排序、分子探针发现、先导化合物优化以及结合口袋突变影响分析，为基于结构的药物设计提供了新的智能计算工具。这一模型有助于加速新药研发过程中的“设计-合成-测试-分析”循环，特别是在大规模候选分子快速排序方面具有显著优势。相比传统的物理模拟方法（如FEP），PBCNet2.0不仅降低了计算成本和时间，还提高了泛化能力和可解释性，适用于更广泛的结构优化场景。