当前，新药研发面临着一个突出的科学难题。
人类对靶向药物的探索仅覆盖人体全部可成药靶点的约10%，而面对数以万计的潜在靶点和广阔的化学空间，如何在海量候选分子中快速精准地筛选出苗头化合物，已成为制约药物发现的关键瓶颈。
传统的药物筛选方法耗时长、成本高、效率低，难以满足现代医药产业对创新药物的迫切需求。
为破解这一难题，清华大学智能产业研究院兰艳艳教授联合生命学院、化学系等多个学科团队，创新研发了AI驱动的超高通量药物虚拟筛选平台DrugCLIP。
该平台采用深度对比学习等先进人工智能技术，在筛选速度和预测准确率上实现了重大突破。
与传统方法相比，DrugCLIP的筛选速度提升了百万倍，同时在预测准确性上也取得显著进展，为大规模药物发现提供了全新的技术路径。
依托这一创新平台，研究团队首次完成了覆盖人类基因组规模的药物虚拟筛选工作。
该项工作涵盖约1万个蛋白靶点、2万个蛋白口袋，对超过5亿个类药小分子进行了系统分析和筛选，最终富集出超过200万个潜在活性分子。
这一成果不仅在规模上创造了新的纪录，更重要的是为后续的药物开发提供了海量的候选分子库。
为了最大化科研成果的社会价值，研究团队构建的蛋白-配体筛选数据库已向全球科研社区免费开放。
这一举措体现了开放共享的科研精神，有助于加速全球范围内的新药研发进程，特别是对资源相对有限的科研机构和发展中国家的研究团队具有重要意义。
该研究成果于北京时间1月9日在线发表于国际顶级学术期刊《科学》杂志，论文题目为《深度对比学习实现基因组级别药物虚拟筛选》。
这是清华大学2026年发表的首篇Science论文，标志着我国在人工智能与生命科学交叉领域的研究达到了国际先进水平。
从更广阔的视角看，这项成果反映了人工智能技术在生物医药领域的巨大应用潜力。
随着AI技术的不断进步和与传统学科的深度融合，越来越多的科学难题有望得到突破。
DrugCLIP平台的成功开发和应用，为加速新药研发、降低研发成本、提高研发效率提供了新的范例，也为我国生物医药产业的创新发展注入了新的动力。
药物研发是一场与时间、成本和不确定性赛跑的长期工程。
面向更广阔的靶点与化学空间，提升筛选效率、夯实数据底座、加强实验验证，是把科学发现转化为患者可及治疗手段的关键环节。
以开放共享为纽带、以跨学科协同为路径，加快形成从计算到验证的闭环生态，才能让技术进步更稳健地服务生命健康事业。