浙江大学侯廷军教授团队/共价药物设计计算方法的新突破：深度学习驱动的CarsiDock-Cov算法

浙江大学侯廷军教授团队基于CarsiDock AI框架，提出了一种深度学习驱动的共价对接新方法CarsiDock-Cov。该方法通过预训练于数百万非共价对接复合物的深度学习模型预测蛋白-配体距离矩阵，并结合共价约束的几何优化流程，实现了对接构象的精确重构。CarsiDock-Cov集成了弹头识别、构象生成、共价连接和非共价打分等功能模块，建立了端到端的自动化共价对接流程。经权威数据集验证，CarsiDock-Cov在对接精度与筛选效能方面表现出色，为新型共价分子的设计与发现提供了新的解决方案。该研究发表在《药学学报》英文刊（Acta Pharmaceutica Sinica B）2025年11期。