AI与计算模拟赋能的MCE虚拟筛选助力构建药物发现全链条研发体系

在创新药物早期研发阶段，传统高通量实验筛选存在耗时久、成本高、筛选通量有限、资源消耗大等诸多短板，难以适配当下高速迭代的新药研发节奏。计算机辅助药物设计技术的成熟应用，为早期活性分子挖掘提供了高效、精准、低成本的全新解决方案，已然成为药物靶点验证、先导化合物发现与优化的核心核心技术手段。MedChemExpress（MCE）依托成熟的计算机辅助药物设计体系、高性能算力支撑、海量实体化合物资源与完善的实验验证平台，打造专业化、一体化的虚拟筛选服务，通过多元化计算模拟方法从海量化合物空间中快速富集高潜力活性分子，精准缩短药物发现周期、降低研发试错成本，为早期新药研发提供高效可靠的技术支撑。

MCE虚拟筛选服务核心依托分子对接模拟、药效团建模、定量构效关系分析等经典主流计算方法，突破传统筛选局限，可从超大分子化合物库中快速甄别、锁定具备潜在靶点结合能力的活性分子，是衔接前期药物理论设计与后期高通量实验筛选的关键核心手段，广泛应用于全新先导化合物挖掘、已知靶点活性分子优化、耐药靶点分子筛选、药物作用机制预测等新药研发核心场景。平台可同步开展基于结构的虚拟筛选（SBVS）与基于配体的虚拟筛选（LBVS）两大主流筛选模式，双体系互补协同，大幅提升活性分子筛选的覆盖率与精准度，适配不同靶点类型与研发场景。

其中，基于结构的虚拟筛选（SBVS）主要依托靶蛋白三维空间结构开展精准筛选，依托实验解析或人工智能预测得到的靶点蛋白精准空间构型，通过模拟化合物与靶点蛋白的结合构象、相互作用模式、氢键结合能力及亲和力评分，层层筛选、精准富集结合能力优异、结构匹配度高的候选化合物，尤其适用于靶点结构清晰、作用机制明确的药物研发项目。而基于配体的虚拟筛选（LBVS）无需依赖蛋白结构，主要依托已报道的阳性活性分子结构特征、理化性质参数，结合定量构效关系模型与专属药效团模型，挖掘结构新颖、活性潜力突出的新型化合物分子，能够有效突破已知活性分子骨架局限，助力全新结构先导分子的发现，适配靶点结构未知、仅有少量活性先导分子的研发场景。

相较于单一计算筛选平台，MCE虚拟筛选服务具备独特的整合型优势，实现了专业技术团队、高性能算力设备与实体化合物资源的深度融合。平台组建资深专业分子模拟研发团队，具备丰富的药物设计与虚拟筛选项目经验，可精准把控每一个筛选环节的参数设置与模型优化；搭载高性能计算集群，大幅提升分子运算效率，支持小时级完成百万级分子的高通量筛选，极速输出筛选结果；同时依托平台1600万+可商业化购买的实体化合物资源，彻底解决“计算筛选无实体样品验证”的行业痛点，真正实现计算结果落地应用。与此同时，项目全程实行严格的数据隐私管理制度，全方位保障客户项目数据、靶点信息、化合物数据的安全性与保密性，为研发项目保驾护航。

MCE搭建了标准化、规范化的全流程虚拟筛选项目体系，形成从前期调研到成果交付的完整服务流程，涵盖靶点背景深度调研、靶蛋白结构预处理与优化、专属筛选化合物库精准构建、分子对接模拟运算或药效团模型筛选、计算机初筛结果人工复核优选、目标实体化合物配套供应等全流程服务。项目最终交付专属完整研发报告，内容全面详实、可溯源性强，包含所有候选化合物基础结构信息、理化参数、筛选打分数据，同时提供优选活性分子的2D/3D可视化对接模式图、靶点-分子相互作用分析及完整的筛选统计与结果分析数据，为后续实验验证与分子优化提供充足的数据支撑。

为打通“计算预测—实验验证—分子优化”的研发闭环，MCE进一步延伸虚拟筛选服务链条，实现计算筛选与湿实验验证的无缝衔接。针对虚拟筛选得到的候选化合物，可依托自有实验平台开展SPR、MST、BLI、ITC、亲和质谱等分子水平结合活性验证，同时配套细胞活力检测等细胞水平功能实验，多层次验证化合物的真实靶点结合能力与生物活性，剔除假阳性分子，保障筛选结果的真实性与有效性。在此基础上，服务可进一步延伸至分子动力学模拟、人工智能辅助药物深度筛选、先导化合物结构优化等高端研发场景，持续完善分子结构、提升化合物成药性。

整体而言，MCE虚拟筛选服务依托双模式筛选体系、高性能算力资源、海量实体化合物库、严苛的数据保密机制与完善的湿实验验证平台，构建了从前期理论筛选、实体化合物获取、多维度实验验证到先导分子优化的连续式研发工作流。以高效、精准、一体化的研发服务模式，有效破解传统药物早期筛选周期长、成本高、准确率低的难题，持续为创新药物早期发现、先导化合物挖掘与优化、靶点机制研究提供专业、高效、可落地的整体解决方案，助力新药研发高效提速。

推荐产品：

MCE Bioactive Compound Library

HY-L001V

MCE活性化合物数据库，含有 25,361 种已知高活性的化合物集合，结构多样，是老药新用、新适应症筛选的有效工具。

Advanced Library

HY-L0052V

包含 794,208 种类先导化合物，化合物的多官能团和类先导化合物的特性使 Advanced 库成为先导化合物发现的有效工具。

Premium Library

HY-L0053V

59,730 种最具最佳分子特性 (高 Fsp3、低 logP 和 MW ) 的化合物集合，精选库。

Agro-like Library

HY-L0072V

来源于 Enamine, 用于农业/作物科学的化合物库。

Allosteric GPCR Library

HY-L0059V

来源于 Enamine, GPCR 数据库子库，用于发现新的 GPCR 变构配体。

引用文献：
[1].Signal Transduct Target Ther. 2025 Oct 7;10(1):333.
[2].Circulation. 2025 Sep 23;152(12):882-898.
[3].Cell Death Differ. 2025 Apr;32(4):613-631.
[4].Adv Sci (Weinh). 2025 Aug;12(31):e14902.
[5].Adv Sci (Weinh). 2025 Jul 17:e07167.
[6].Adv Sci (Weinh). 2025 Jul 16:e17278.
[7].Nat Chem Biol. 2025 Jun 2.
[8].Theranostics. 2025 Mar 18;15(9):4188–4211.
[9].Environment International 198 (2025) 109442
[10].Cell Death Dis. 2025 Apr 29;16(1):351.
[11].NPJ Biofilms Microbiomes. 2025 Mar 7;11(1):40.
[12].Nat Commun. 2024 Jan 2;15(1):9.
[13].Nat Commun. 2024 May 17;15(1):4216.
[14].Adv Sci (Weinh). 2024 Oct;11(39):e2402115.
[15].Adv Sci (Weinh). 2025 Feb;12(6):e2410525
[16].Theranostics. 2024 Jul 1;14(10):3984-3996.
[17].J Hematol Oncol. 2022 Jul 14;15(1):93.
[18].Theranostics. 2022 Sep 6;12(15):6509-6526.
[19].Cancer Lett. 2022 Oct 10:546:215851.
[20].J Transl Med. 2024 Feb 21;22(1):192.