编辑推荐：
本刊特邀编辑推荐：为应对化学空间扩展挑战，研究人员聚焦AI/ML驱动的小分子药物发现与诱导接近技术(PROTACs)，实现CD36介导的靶向蛋白降解，显著提升药物开发效率，推动分子多样性研究进入新维度。
在药物研发领域，化学空间的有限性长期制约着新药发现的效率。传统方法仅能覆盖极小部分的潜在药物分子，而大多数疾病靶点因缺乏合适的结合配体被视为"不可成药"。这一困境随着诱导接近（Induced Proximity）技术的突破迎来转机。2025年，《Molecular Diversity》期刊在创刊30周年之际，由德克萨斯大学健康科学中心的Hong-yu Li与贾达普大学Kunal Roy共同发表的社论指出，通过PROTAC（Proteolysis-Targeting Chimeras）等新型诱导接近药物，可操作的药物靶点空间已实现数量级扩展。
特别值得关注的是，该刊重点推出的"大数据时代AI/ML用于小分子药物发现"特辑收录的160余篇研究证实，人工智能与机器学习技术正与诱导接近药物形成协同效应。其中Wang等学者于《Cell》发表的关键研究揭示了CD36介导的PROTACs内吞作用新机制，为扩大靶向蛋白降解范围提供了理论依据。这些进展标志着分子多样性研究已从传统的结构活性关系（Structure-Activity Relationship）分析，演进至多学科交叉的化学信息学（Cheminformatics）新范式。
主要技术方法
研究团队采用化学信息学与计算生物学相结合的方法，通过大数据分析挖掘分子多样性规律。在实验验证方面，运用CD36介导的内吞作用机制研究技术，结合蛋白降解动力学分析，系统评估PROTACs分子的药效学（Pharmacodynamic）与药代动力学（Pharmacokinetic）特性。所有临床前实验均遵循标准化实验流程，细胞模型涵盖多种肿瘤细胞系。
CD36介导的PROTACs内吞机制
通过细胞膜受体CD36的功能研究，发现该蛋白能特异性识别并结合PROTACs分子，形成受体-配体复合物后通过内吞作用进入细胞。这一过程显著提高了PROTACs的胞内递送效率，为传统认为难以给药的靶点提供了新的递送途径。
AI驱动的分子相似性分析
利用深度学习算法构建分子相似性评估模型，实现对海量化合物库的快速筛选。该技术特别适用于环境化学信息学领域，可预测化学暴露组（Chemical Exposome）中化合物的生物活性，为环境健康风险评估提供新工具。
结构-功能关系的多维度拓展
研究突破了传统药物化学的局限，将分子结构分析延伸至环境健康效应层面。通过建立化合物结构与其环境持久性、生物累积性等参数的关联模型，实现了从药物设计到环境影响评估的全链条分析。
综上所述，该研究通过整合诱导接近技术与人工智能方法，显著扩展了可成药空间。CD36介导的内吞机制为PROTACs技术提供了新的递送思路，而化学信息学与暴露组学的结合则推动了分子多样性研究向环境健康领域的延伸。这些突破不仅为《Molecular Diversity》期刊未来三十年的发展指明方向，更标志着药物研发正式进入多模态、跨尺度的新纪元。
