定制+预测，科学家开发新型激酶谱虚拟筛选平台

中国科学院上海药物研究所研究员郑明月课题组利用结合图神经网络的元学习技术，搭建了支持用户定制的激酶多靶点活性筛选人工智能（AI）平台KinomeMETA，为药物新型激酶靶点发现和药物筛选提供有力工具。相关研究发表于《核酸研究》。 

蛋白激酶的异常激活或过表达与多种疾病相关，激酶靶向抑制剂是一类极具价值的治疗药物，有必要对激酶小分子探针的多重药理学效应进行系统评估。因此，需要开发具有更广泛应用场景的AI算法，大规模筛选潜在的激酶靶点和多靶点选择性激酶小分子探针。 

研究人员基于前期研究，从超过61万个激酶活性数据中学习不同激酶中活性化合物的作用模式，搭建了KinomeMETA平台。平台包含两大核心模块，其中“定制”模块允许用户使用私有数据，构建全新激酶模型或增强已有激酶模型的预测能力；“预测”模块则可预测化合物对661个野生激酶及临床相关激酶突变体的抑制活性概率。平台还提供了化合物激酶选择性分析、分子性质评估及相似抑制剂鉴别功能，辅助研究人员开展进一步研究。 

此外，研究人员基于平台的“定制”功能增强模型，筛选实验室内部的化合物，发现KinomeMETA平台可通过少数活性化合物迅速增强预测能力。 

KinomeMETA平台构建与使用流程概览。图片来源于《核酸研究》