当前全球药物研发面临的一个核心难题是：人体内虽有数万个潜在药物靶点，但人类对其研究目前仅覆盖约10%。如何在庞大的化学空间中快速、准确地筛选出可能意义在于活性的候选化合物，已成为影响新药开发效率的关键瓶颈。传统药物筛选往往耗时长、成本高，难以匹配现代医药产业对研发速度的要求。为突破这个瓶颈，清华大学智能产业研究院兰艳艳教授牵头的联合团队研发了DrugCLIP平台。该平台引入深度对比学习等人工智能方法，在药物虚拟筛选上取得重要进展。与传统方法相比，DrugCLIP将筛选速度提升至百万倍量级，同时显著提高预测准确率，在高通量筛选中更好兼顾速度与精度。基于DrugCLIP平台，研究团队首次完成覆盖人类基因组规模的药物虚拟筛选工作：涉及约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系统分析，最终富集出超过200万个潜在活性分子。由此建立的蛋白-配体筛选数据库规模目前居于前列，可为全球药物研发提供重要参考与数据支撑。值得关注的是，清华团队将该数据库免费向全球科研社区开放，便于更多研究者使用与验证，有望推动新药研发提速，也为资源相对有限的研究机构提供了可直接利用的基础数据。北京时间1月9日，对应的成果以《深度对比学习实现基因组级别药物虚拟筛选》为题在线发表于国际顶级学术期刊《科学》杂志，成为清华大学2026年首篇发表于该刊的论文。该研究展示了我国在人工智能与生命科学交叉方向的研究能力与国际竞争力。从更深层看，DrugCLIP的开发反映了人工智能在解决复杂科学问题中的应用价值。通过将机器学习方法与药物化学、生物学知识结合，研究团队探索出一条加速药物发现的可行路径，这种跨学科协同的研究思路也为相关领域提供了参考。
从跟随到创新引领，中国科学家在关键核心技术攻关中持续取得进展；这项研究不仅展现了我国基础研究和交叉创新的实力，也为全球药物研发提供了可共享的工具与数据。在全球医药创新格局加速演变的背景下，这样的自主创新有望为“健康中国”建设提供支撑，并为应对人类共同的健康挑战贡献中国方案。