近日，bv伟德软件創新創業團隊（Xianyu Biotechnology）與河北醫科大學藥學院、浙江大學醫學院等研究機構合作，通過人工智能技術和傳統藥物設計評估方法，實現了對特定靶标藥物的高效篩選和優化，成功研發出一種新型的組蛋白去乙酰化酶6（以下簡寫為：HDAC6）抑制劑。該研究成果在生物信息學和人工智能研究領域的國際權威學術期刊JCIM（Journal of Chemical Information and Modeling）上發表。此項研究凸顯了人工智能技術在藥物發現和設計過程中的關鍵作用，特别是在高效篩選治療特定疾病的潛在候選藥物方面，展現了巨大的應用潛力。

HDAC6是一種與多種疾病相關的酶，尤其是在癌症治療領域，高選擇性HDAC6抑制劑可能為相關疾病提供新的治療策略，因此成為了藥物研發的熱門靶标。傳統的藥物發現方法通常耗時且成本高昂，該項研究期望能夠借助基于人工智能技術的虛拟篩選方法提高篩選效率，降低研發成本。

在這項研究中，研究團隊綜合應用了虛拟篩選、理性藥物設計和活性評估等多種方法，成功發現了一系列高選擇性新型HDAC6抑制劑。研究方法和步驟包括：

虛拟篩選：研究團隊整合了多個供應商（如ChemDiv、Specs、Life Chemicals、Enamine等）和自有分子庫的數據，形成了約240萬個分子的虛拟庫。研究團隊首先利用分子對接方法對這些分子進行初步篩選。分子對接模拟了分子與HDAC6靶點結合的可能性和穩定性，從而篩選出潛在的HDAC6抑制劑。

深度學習模型：為了進一步提高篩選效率和準确性，研究人員采用了簡單結構的圖神經網絡（SS-GNN）模型進行配體-靶标結合親和力的預測。圖神經網絡能夠通過學習分子結構和靶标蛋白的圖形表示，預測兩者的結合親和力。研究團隊通過深度學習模型，快速評估虛拟庫中分子的潛在活性，極大地減少了需要進一步實驗驗證的候選分子數量。

分子動力學模拟：對于通過深度學習篩選出的候選分子，研究人員進一步使用分子動力學模拟進行驗證。分子動力學模拟可以精确模拟分子在動态環境中的行為，提供分子與HDAC6活性位點結合的詳細信息。這一步驟有助于确認分子與靶點的結合穩定性和親和力，從而篩選出具有實際應用潛力的HDAC6抑制劑。

活性評估：在實驗室中合成篩選出的候選分子後，研究團隊進行了體外細胞活性評估。通過一系列實驗，評估了這些分子對HDAC6的抑制活性以及對癌細胞的抑制效果。特别是，研究人員重點測試了這些分子對人白血病細胞HL-60的抗增殖作用和誘導細胞凋亡的能力。

研究最終确定了一種新型HDAC6抑制劑，并基于該抑制劑設計和合成了一系列以5-苯基-1H-吲哚片段為核心的目标化合物。細胞活性評估結果顯示，其中一種目标化合物相比已知的HDAC6抑制劑TubA，顯示出更強的抗HL-60細胞增殖能力，并能顯著促進細胞凋亡。此外，該目标化合物對HDAC6的抑制活性顯著優于TubA。

這項研究不僅為HDAC6抑制劑的開發提供了新的候選藥物分子，也展示了人工智能在藥物設計中的廣泛應用前景。接下來，bv伟德软件将持續深化交叉學科研究。和計算機與網絡空間安全學院、生命科學學院等校内外科研團隊組成聯合課題組，以國家戰略和市場需求為導向，進行科研技術攻關，打造人工智能技術驅動的藥物發現平台，探索藥物發現的新路徑，為創新藥物研發提質增效，為河北省生物醫藥産業升級和社會經濟發展貢獻力量。