面向机器学习的大规模蛋白质-配体数据：推动2035靶点计划实现

来自全球的研究团队正致力于解决小分子命中化合物发现的瓶颈问题。通过亲和选择质谱(ASMS)和DNA编码化合物库(DEL)筛选技术，该研究将构建高质量蛋白质-小分子结合数据库，包含正负双向数据。机器学习模型将利用这些开放数据预测新型配体，通过迭代优化最终实现为数千种人类蛋白质筛选实验验证的命中化合物，显著推进化学探针开发进程。

　　

靶点2035计划这项全球倡议立志在2035年前为每种人类蛋白质开发出强效且选择性的药理调节剂（如化学探针）。最新路线图详述了如何通过计算方法革新来突破小分子命中化合物发现这一关键瓶颈。研究团队将运用亲和选择质谱(Affinity-Selection Mass Spectrometry)和DNA编码化学库(DNA-Encoded Library)筛选技术，构建首个大规模开放的蛋白质-小分子结合数据集，同时包含阳性与阴性结合数据。这些宝贵资源将挑战机器学习领域构建预测模型，通过"预测-实验验证"的迭代循环持续优化算法。预计到2030年，该计划不仅能获得数千种人类蛋白质的实验验证命中化合物，更能培育出可预测全新靶点配体的开源算法体系，为未研究蛋白质的探针开发铺平道路。