北京
这大概是药物研发里最让人哭笑不得的“幸福的烦恼”。
德克萨斯农工大学（Texas A&M）的生物化学教授詹姆斯·萨凯蒂尼（James Sacchettini）博士在筛选新型抗结核病药物时，经常被一个难题卡住。他不是找不到能杀死结核菌的化合物，恰恰相反，是“找得太多、太快了”。
“我们可能从一次筛选中拿到成千上万种化合物，”萨凯蒂尼博士解释说，“然后你就得做决定——我们到底应该接着研究哪一个？”
这个看似凡尔赛的抱怨，戳中的其实是整个药物研发流程中最隐秘的痛点。传统的筛选就像在大海里捞针，只不过现在，实验室里的人工智能和大规模自动化筛选技术，能把整片海域里所有像针的东西一次性全给你捞上来。面对堆满实验台的“潜力股名单”，研究人员的头疼程度一点也不比当初找不到候选药时小。
因为你一旦选错了方向，投入大把时间和经费去优化一个化合物，数月后却可能发现它存在致命缺陷：毒性太大、人体吸收不了、或者很容易被肝脏代谢掉。这种代价高昂的“死胡同”，在这行太常见了。
萨凯蒂尼博士领导的团队做的事，就是让这种筛选过程“更聪明”。他们不再盲目测试所有候选物，而是借助AI模型在海量分子结构中提前“看相”——预测哪些分子更有可能最终安全有效地抵达结核杆菌的老巢。这就像在一堆看似华丽的钥匙胚里，先用算法筛掉那些材质不对、齿形明显不匹配的，只留下最有可能打开病原体大门的那几把，再交给生物实验做最后的验证。
这不是让研究者偷懒，而是为了把宝贵的精力，押注在那些最不可能变成“死胡同”的化合物上。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
