百度团队打造 基于HelixFold3 的端到端AI反向虚拟筛选技术 助力 小分子蛋白靶标识别

在药物研发领域，小分子蛋白靶标识别（反向筛选）是解析药物作用机制、推动老药新用、预测脱靶效应的核心计算技术。然而，传统分步式反向筛选流程存在误差累积、结构建模精度不足等痛点，严重制约了靶标发现的效率与准确性。

近期，百度PaddleHelix团队在预印版的研究论文《End-to-End Reverse Screening Identifies Protein Targets of Small Molecules Using HelixFold3》，提出了一种基于HelixFold3的端到端反向筛选策略，从根本上缓解了传统方法的技术瓶颈，为药物研发提供了高效工具。

一、传统反向筛选的技术痛点

反向筛选的核心目标是从海量蛋白库中，精准定位与小分子配体具有高亲和力的靶标蛋白。传统基于结构的反向筛选采用分步式流程，主要包含四个核心环节：

1. 靶标蛋白结构获取：依赖实验解析结构或同源建模，静态结构难以模拟配体结合后的构象变化
2. 结合口袋识别：依赖P2Rank、fpocket等工具，易筛选出无生物学意义的表面空腔
3. 分子对接：AutoDock Vina等工具的对接精度受限于初始结构与口袋定义，难以捕捉诱导契合效应
4. 亲和力打分排序：基于物理模型的打分函数，对构象误差高度敏感，易导致假阳性/假阴性结果

上述环节彼此独立，误差会逐级传递放大，最终导致靶标识别成功率偏低。此外，传统方法无法同时优化蛋白折叠与配体结合过程，难以精准表征蛋白-配体复合物的动态相互作用。

二、HelixFold3端到端策略的核心创新

该研究的核心突破在于构建了一体化的蛋白-配体复合物预测与筛选框架，将蛋白折叠、配体对接、亲和力评估三个关键步骤整合为一个联合优化过程，从根本上消除了分步流程的误差传递问题。

1. 技术原理：一体化建模与精准打分

HelixFold3是一款媲美AlphaFold3的高精度生物分子结构预测模型，其核心优势在于：

• 极简输入需求：仅需提供蛋白氨基酸序列和小分子SMILES表达式，无需预先获取蛋白三维结构或手动定义结合口袋
• 联合建模能力：同步完成蛋白折叠构象预测与配体-蛋白对接过程，可精准捕捉结合诱导的蛋白构象变化
• 内置置信度评分：输出两种核心评估指标——界面模板建模分数（ipTM）和配体局部距离差异分数（pLDDT），用于量化复合物结构的可靠性，并实现靶标蛋白的精准排序

2. 性能验证：全面超越传统分步方法

研究团队构建了包含100个高置信度蛋白-配体复合物，900个阴性蛋白的基准数据集，将HelixFold3端到端策略与三种传统分步流程（标准流程、基于真实蛋白结构的流程、基于真实结构+真实口袋的流程）进行了系统性对比，核心结果如下：

• 靶标识别效率大幅提升：端到端策略的Top-1%靶标识别成功率达38.0%，Top-10%成功率达71.0%，较传统分步方法提升数倍，即便是使用真实晶体结构与口袋坐标的分步流程，也无法企及这一性能
• 结构预测精度显著优化：在蛋白链水平，预测结构与真实结构的RMSD<0.5Å的比例达81%；在结合口袋区域，该比例达58%，远高于传统方法预测的未结合态蛋白结构
• 结合位点定位精准度高：48%的预测结合位点与真实位点的距离≤2Å，而传统口袋识别工具的这一比例仅为27%，未结合态蛋白结构的预测则完全无法定位有效结合位点

3. 打分函数性能对比：内置指标完胜传统工具

研究进一步对比了不同打分函数对筛选结果的影响，发现：

• HelixFold3内置的ipTM和pLDDT指标，远优于基于物理的AutoDock Vina打分函数
• ipTM在高优先级靶标筛选中表现最优，Top-1%成功率达38%；pLDDT在广谱筛选中更具优势，Top-10%成功率达86%
• 这一结果证明，基于深度学习的置信度评分，更适合表征蛋白-配体复合物的真实结合强度

三、实战应用：老药新用与脱靶效应预测

为验证技术的实际应用价值，研究团队针对两款临床经典药物开展了回顾性靶标筛选验证，充分展现了该策略在药物研发中的核心应用场景。

1. 伊马替尼：老药新用的靶标精准定位

伊马替尼是治疗慢性粒细胞白血病（CML）的一线药物，后被成功重定位用于胃肠间质瘤（GIST）的治疗。研究团队构建了包含176个候选蛋白的靶标库，其中包含10个已知结合靶标。

• 端到端策略成功将CML的核心靶标ABL1、GIST的关键靶标KIT/PDGFRA全部纳入Top-40排名
• pLDDT评分将ABL1列为第1位，ipTM评分将PDGFRA列为第3位，两种评分的Top-10靶标中均包含5个已知结合靶标，命中率达50%
• 验证了该技术在老药新用靶标发现中的核心价值

2. 伊布替尼：脱靶效应的精准预测

伊布替尼是治疗B细胞恶性肿瘤的BTK抑制剂，其临床副作用（出血、感染、房颤）与脱靶激酶结合密切相关。研究团队构建了436个候选蛋白的靶标库，包含26个已知结合靶标。

• 精准识别核心靶标BTK，ipTM排名第2，pLDDT排名第11
• 对出血相关脱靶激酶（TEC、TXK、BLK、ITK）的Top-10识别成功率达100%
• 对感染相关靶标（LCK、ITK）也实现高效筛选，但对跨膜离子通道靶标（如房颤相关的hERG通道）的预测能力较弱，这也指出了该技术当前的局限性

四、总结与展望

基于HelixFold3的端到端反向筛选技术，通过一体化的蛋白-配体复合物建模，打破了传统分步流程的技术瓶颈，实现了靶标识别效率与精度的双重飞跃。该技术不仅为药物重定位、脱靶效应预测提供了高效工具，也为解析小分子的多靶标作用机制、推动多靶点药物设计奠定了坚实基础。

当前，该技术在跨膜蛋白靶标预测方面仍存在不足，未来可通过扩展跨膜蛋白训练数据、优化模型对膜环境的表征能力进一步提升性能。随着模型的持续迭代，端到端反向筛选有望成为药物研发领域的标准工具，加速新药从实验室走向临床的进程。

参考文献：Xu S, Ye X, Zhu M, et al. End-to-End Reverse Screening Identifies Protein Targets of Small Molecules Using HelixFold3[J]. arXiv preprint arXiv:2601.13693, 2026.