AlphaFold激酶优化器：基于神经网络评分与结合自由能计算提升虚拟筛选效能的自动化结构优化策略

《Proteins: Structure, Function, and Bioinformatics》：AlphaFold Kinase Optimizer: Enhancing Virtual Screening Performance Through Automated Refinement of AlphaFold-Based Kinase Structures

本研究针对AlphaFold（AF）生成蛋白结构在药物设计中的局限性，开发了深度学习辅助的AF Optimizer方法，通过结合位点几何优化显著改善TTK蛋白的虚拟筛选精度，降低空间冲突并提升苗头化合物富集率，为AI驱动的结构生物学在抗癌药物发现中的应用提供新范式。

　　

AlphaFold（AF）虽能生成蛋白质三维结构，但其在基于结构的药物设计（SBDD）中仍存在局限。本研究提出AF Optimizer——一种深度融合神经网络评分与结合自由能计算的结合位点几何优化方法。通过对AF生成的TTK激酶（一种与细胞分裂相关的关键蛋白）结构进行优化，研究人员发现优化后的模型显著减少了与已知晶体复合物配体的空间冲突（steric clashes），提升了分子对接（molecular docking）和虚拟筛选（virtual screening）的精确度。在前瞻性体外（in vitro）实验中，该方法成功富集了更多活性苗头化合物（hits），证实了优化模型在药物发现中的实用价值。