综述：环肽治疗剂发现：计算与人工智能驱动策略

（编辑推荐）本综述系统阐释了计算技术（如AI、分子模拟）如何突破环肽（cyclic peptides）开发瓶颈，通过融合物理模拟与深度学习（DL）优化设计，靶向蛋白互作界面（PPIs），为复杂疾病提供创新疗法。

　　

环肽药物的崛起与挑战

环肽（cyclic peptides）因其稳定的刚性结构和广谱结合能力，成为靶向蛋白-蛋白相互作用（PPIs）的理想候选。传统开发方法受限于合成成本高、构象搜索空间庞大等问题，而计算与人工智能（AI）技术的介入正重塑这一领域。

计算驱动的设计革命

物理建模与AI的协同
分子动力学（MD）模拟可解析环肽的构象景观（conformational landscape），而深度学习（DL）模型（如AlphaFold²变体）能预测结合亲和力。例如，通过迁移学习（transfer learning）缓解数据稀缺问题，实现纳摩尔级（nM）活性优化。

自动化合成验证闭环
高通量固相合成与液相色谱-质谱（LC-MS）联用技术加速了“设计-合成-测试”循环，将传统数月周期缩短至数周。

未来方向

开发多模态（multi-modal）数据库整合结构-活性数据，结合强化学习（RL）优化给药性能（如口服生物利用度），是下一代环肽药物的关键。

（注：全文严格基于原文缩编，未添加非原文结论）