基于扩散原理的柔性蛋白口袋分子设计方法

本文介绍了一种名为YuelDesign的新型人工智能药物设计框架，专门用于解决“柔性蛋白口袋”这一关键难题。传统药物设计中，蛋白结合位点常被简化为固定不变的刚性结构，但现实中，当药物分子（配体）进入时，蛋白口袋会发生构象调整（即‘诱导契合’现象），例如侧链旋转、盐桥断裂等，从而影响药物结合强度和特异性。忽略这种柔性，会导致AI生成的分子虽在计算机上看似合理，却难以在真实生物环境中有效结合靶点。

YuelDesign的核心创新有三点：第一，它采用‘全原子联合生成’策略——不是只生成小分子，而是同时生成蛋白口袋结构（包括氨基酸侧链）和药物分子，让两者在AI生成过程中协同演化；第二，它设计了新型神经网络‘E3former’，能严格保持三维空间的旋转与平移不变性（即无论分子如何转动或移动，预测结果物理意义不变），从而准确建模原子坐标；第三，它融合两种扩散模型：用EDM模型精细优化原子三维位置（连续值），用D3PM模型准确决定每个原子的化学类型（离散值），二者共享同一网络特征，确保生成的分子既几何合理又化学正确。

研究通过多方面验证了YuelDesign的优势：（1）生成的分子具有更高的‘类药性’（QED评分更高）、更低的合成难度（SAS评分更低）、更少的不稳定结构（如大环、高张力小环）；（2）在功能基团分布上更接近天然药物分子，尤其在胺基、羟基等常见基团比例上高度一致；（3）能真实再现蛋白口袋的柔性变化——例如在CDK2激酶案例中，YuelDesign成功模拟了关键盐桥（K33–D145）的断裂，并促使D145残基转向与药物形成氢键，而传统刚性方法则因无法改变口袋结构而失败；（4）对Pteridine还原酶（3JQA）的设计显示，其生成的分子不仅保留了原有的π–π堆积作用，还新增了极性接触，对接打分和重对接RMSD均优于对比方法。

文章也坦诚指出了当前局限：对超大分子生成效果下降、少量高张力小环（如环丙烷）仍会过量出现、与已知药物的结构相似度仍有提升空间。作者建议未来可引入‘隐空间扩散’等策略，在压缩维度后再生成，以提升稳定性和可扩展性。总体而言，YuelDesign标志着AI药物设计从‘静态匹配’迈向‘动态共生’的重要一步，为开发更精准、更易成药的新药提供了新范式。