点击蓝字 关注我们

人工智能革新抗感染药物研发：从靶点识别到先导化合物优化

iMetaMed主页：https://onlinelibrary.wiley.com/journal/3066988x

研究论文

● 期刊: iMetaMed

● 原文链接: https://onlinelibrary.wiley.com/doi/10.1002/imm3.70011

● DOI: https://doi.org/10.1002/imm3.70011

● 2025年10月16日，香港大学李柯馨、南方医科大学袁泉和奥地利维也纳理工大学逻辑与计算研究所齐畅等在iMetaMed在线发表了题为“Artificial Intelligence Revolutionizes Anti-Infective Drug Discovery: From Target Identification to Lead Optimization”的文章。

● 本文阐述了人工智能（AI）技术为抗感染药物研发带来的新的突破。面对日益严峻的耐药性挑战，AI能够高效预测病原体进化趋势、挖掘潜在药物靶点，并加速化合物的设计与优化，显著缩短抗感染药物研发周期。本文重点探讨了AI在抗感染药物表型驱动的靶点识别与验证、目标分子设计以及先导化合物优化等方面的应用，指出当前局限性，并对未来发展方向进行展望。

●  第一作者：李柯馨、袁泉、齐畅

●  通讯作者：林安琪（smulinanqi0206@i.smu.edu.cn）、袁硕峰（yuansf@hku.hk）

●  合作作者：石盈、杨泓

●  主要单位：香港大学李嘉诚医学院微生物学系、南方医科大学珠江医院肿瘤学系、南方医科大学口腔医学院、奥地利维也纳理工大学逻辑与计算研究所、中国香港特别行政区香港薄扶林香港大学国家重点实验室（新发传染病）、中国香港特别行政区香港科学园病毒学、疫苗学与治疗学中心、中国香港特别行政区香港薄扶林香港大学大流行病研究联盟单位

 亮 点

● 人工智能显著缩短了传统抗感染药物的研发周期，为破解耐药性困局提供了重要解决方法。在人工智能抗感染药物研发中，目标分子设计作为药物发现的核心环节，主要包括两大技术路径：基于现有分子库的筛选策略和基于结构的从头设计方法；

● 人工智能在抗感染药物研发领域的发展历程体现了两个重要的范式转变：即从结构依赖到序列驱动、从单一靶点向多靶点泛化的演进趋势；

● 在人工智能抗感染药物研发中，目标分子设计作为药物发现的核心环节，主要包括两大技术路径：基于现有分子库的筛选策略和基于结构的从头设计方法；

● 人工智能能够高效优化先导化合物的活性与ADMET（吸收、分布、代谢、排泄和毒性）特性，从而显著提升抗感染药物开发的成功率；

● 人工智能在实时预测病原体耐药性、快速响应新发传染病以及老药新用等临床应用领域展现出巨大潜力。

摘  要

人工智能（AI）技术正为抗感染药物研发带来新的突破，面对日益严峻的耐药性挑战，AI能够高效预测病原体进化趋势、挖掘潜在药物靶点，并加速化合物的设计与优化，显著缩短抗感染药物研发周期。本文重点探讨了AI在抗感染药物表型驱动的靶点识别与验证、目标分子设计以及先导化合物优化等方面的应用，指出当前局限性，并对未来发展方向进行展望。

视频解读

Bilibili：https://www.bilibili.com/video/BV1roWRzKEGD/

Youtube：https://youtu.be/ySNuXbge0s8

中文翻译、PPT、中/英文视频解读等扩展资料下载

请访问期刊官网：https://onlinelibrary.wiley.com/journal/3066988x

全文解读

引  言

感染性疾病持续对全球健康构成重大威胁，其中病原体耐药性的迅速蔓延已演变为一场严峻的全球公共卫生危机。传统抗感染药物的研发模式存在周期漫长（通常为2-5年）与效率低下等固有缺陷，使其难以应对快速进化的耐药性挑战。例如，2019年抗生素耐药性（AMR）直接导致了全球127万人死亡；此外，抗病毒和抗真菌药物的研发亦面临着高毒副作用与靶点易突变等瓶颈。人工智能（AI）技术凭借其强大的预测与设计能力，为破解耐药困局提供了革命性的解决方案。该技术能够加速病原体进化趋势的预测、新靶点的挖掘、以及化合物的高效设计与优化，有望将药物研发周期从数年显著压缩至3-6个月。本文旨在系统阐述AI在抗感染药物研发中的应用，重点聚焦于表型驱动的靶点识别与验证、目标分子设计及先导化合物优化等关键环节。

内  容

人工智能在抗感染药物筛选中的应用

人工智能在抗感染药物研发中的流程可划分为三大核心阶段：在药物-靶点相互作用的应用、在目标分子设计中的应用和在先导化合物优化中的应用

这一基础阶段侧重于识别、验证靶点和规划治疗策略。AI模型，特别是深度学习，通过分析多组学和表型数据，能够高效地确定可操作的药物靶点并预测结合亲和力，绕过了传统耗时的实验方法。此外，AI还会分析复杂的分子网络，设计多靶点协同干预策略，这对于克服耐药性等复杂的生物学问题至关重要。此阶段还包括药物重定位，AI通过分析现有药物的作用机制来预测其新用途，从而缩短了研发时间。所有确定的靶点和策略都需要经过严格验证，以确保能改善患者的临床结果。

一旦靶点得到确认，第二阶段的任务就是快速、高效地创造和筛选潜在分子，进行目标分子的设计。AI通过增强虚拟筛选来彻底改革这一过程，利用图神经网络（GNN）和深度学习快速筛选数十亿化合物，并识别出活性先导物。在进行物理测试之前，AI还能进行合成可行性预评估，优先选择易于合成的分子，从而提高高通量筛选的成功率。最具创新性的是从头分子设计——由GAN和VAE等生成模型驱动——允许AI从零开始设计具有所需特性的全新分子结构，打破了现有化合物库的限制。

最后是对先导化合物进行优化，以确保它们是可行的临床候选药物。AI模型侧重于优化空间构象，通过分析和指导结构修饰来增强分子的活性和稳定性。至关重要的是，AI提供了对药物ADMET（吸收、分布、代谢、排泄和毒性）特性的早期、精准预测和优化。这一能力显著降低了因药代动力学不佳或毒性导致的后期研发失败风险，从而确保最终分子具有良好的体内表现和安全性。通过这三个紧密衔接、由AI深度驱动的阶段，新药研发的效率得到了极大的提升。

图1. 人工智能在抗感染药物筛选中的应用

人工智能在抗感染药物筛选中的局限与未来方向

AI在抗感染药物研发中的应用面临多重挑战。首先，数据质量对模型可靠性与性能构成直接影响（例如，数据不完整或存在误差）；对此，构建标准化实验流程以生成高质量数据，辅以高质量伪样本的创建、特征选择技术的优化以及预测误差量化工具的开发，对于夯实数据基础至关重要。其次，模型泛化能力亟待提升，特别是在应对新环境、新型宿主或新发病原体时的适用性受限；通过整合实时追踪数据库（例如GISAID）并充分利用预训练分子生成模型，有望显著加速针对新发传染病药物的模型开发进程。此外，模型“黑箱”特性导致其可解释性较低，其结论的可靠性仍需湿实验的严谨验证；鉴于此，积极应用可解释性AI（XAI）技术并将其与病原体-宿主-药物知识图谱深度融合，是推动药物研发工作流“白箱化”、显著增强透明度和提升可信度的有效策略。最后，如何将AI的关键步骤高效且无缝地集成至现有抗感染药物研发工作流，以期达到最佳协同效应，需进行审慎的考量与规划；这无疑高度依赖于具备专业素养与实践经验的研究人员的深度参与，以及完备的基础设施与高性能计算资源的强力支撑。通过系统性地应对上述挑战，即全面提升数据质量、持续增强模型泛化能力、有效提高可解释性以及优化药物研发工作流的集成度，AI有望更为高效地赋能抗感染药物研发的各个关键环节，从而显著提升研发效率与成功率，最终将有力推动整个抗感染领域的重大革新，尤其在应对突发公共卫生事件方面将展现出其无可比拟的巨大潜力。

图2. 人工智能在抗感染药物筛选中的局限与未来方向

代码和数据可用性：

本文不涉及数据共享，因为研究过程中未生成或分析任何数据集。

引文格式：

Kexin Li, Quan Yuan, Chang Qi, Ying Shi, Hong Yang, Anqi Lin, Shuofeng Yuan 2025. “Artificial Intelligence Revolutionizes Anti-Infective Drug Discovery: From Target Identification to Lead Optimization.”iMetaMed e70011. https://doi.org/10.1002/imm3.70011.

作者简介

李柯馨（第一作者）

● 香港大学微生物学系在读博士研究生。

● 研究方向为抗病毒药物研发和靶点筛选，以第一作者（含共同）在BIB、APS、npj digital medicine发表SCI论文3篇。

袁泉（第一作者）

● 南方医科大学口腔医学在读本科生。

齐畅（第一作者）

● 维也纳工业大学信息学院在读博士研究生。

● 研究方向为大语言模型（LLM）、计算药物发现以及脑科学启发的人工智能算法。在国际计算机顶会和Chinese Medical Journal、npj Digital Medicine、Briefings in bioinformatics等期刊发表论文多篇。

袁硕峰（通讯作者）

● 香港大学微生物学系助理教授。

● 研究方向为病毒诱导宿主代谢重编程与可药化抗病毒靶点挖掘，以第一作者和通讯作者身份在Nature、Science、The Lancet发表论文多篇。

更多推荐

（▼ 点击跳转）

高引文章 ▸▸▸▸

iMeta | 引用20000+，海普洛斯陈实富发布新版fastp，更快更好地处理FASTQ数据

高引文章 ▸▸▸▸

iMeta | 兰大张东组：使用PhyloSuite进行分子系统发育及系统发育树的统计分析

高引文章▸▸▸▸

iMeta | 唐海宝/张兴坦-用于比较基因组学分析的多功能分析套件JCVI

iMeta封面

1卷1期

1卷2期

1卷3期

1卷4期

2卷1期

2卷2期

2卷3期

2卷4期

3卷1期

3卷2期

3卷3期

3卷4期

3卷5期

3卷6期

4卷1期

4卷2期

4卷3期

4卷4期

4卷5期

iMetaOmics封面

1卷1期

1卷2期

2卷1期

2卷2期

2卷3期

iMetaMed封面

1卷1期

1卷2期

期刊简介

“iMeta” 是由威立、宏科学和本领域数千名华人科学家合作出版的开放获取期刊，主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表所有领域高影响力的研究、方法和综述，重点关注微生物组、生物信息、大数据和多组学等前沿交叉学科。目标是发表前10%(IF > 20)的高影响力论文。期刊特色包括中英双语图文、双语视频、可重复分析、图片打磨、60万用户的社交媒体宣传等。2022年2月正式创刊！相继被Google Scholar、PubMed、SCIE、ESI、DOAJ、Scopus等数据库收录！2025年6月影响因子33.2，中科院分区生物学1区Top，位列全球SCI期刊前千分之三(65/22249)，微生物学科2/163，仅低于Nature Reviews，学科研究类期刊全球第一，中国大陆5/585！

“iMetaOmics” 是“iMeta” 子刊，主编由中国科学院北京生命科学研究院赵方庆研究员和香港中文大学于君教授担任，目标是成为影响因子大于10的高水平综合期刊，欢迎投稿！

"iMetaMed"  是“iMeta” 子刊，专注于医学、健康和生物技术领域，目标是成为影响因子大于15的医学综合类期刊，欢迎投稿！

iMeta主页：

http://www.imeta.science

姊妹刊iMetaOmics主页：

http://www.imeta.science/imetaomics/

出版社iMeta主页：

https://onlinelibrary.wiley.com/journal/2770596x

出版社iMetaOmics主页：

https://onlinelibrary.wiley.com/journal/29969514

出版社iMetaMed主页：

https://onlinelibrary.wiley.com/journal/3066988x

iMeta投稿：

https://wiley.atyponrex.com/journal/IMT2

iMetaOmics投稿：

https://wiley.atyponrex.com/journal/IMO2

iMetaMed投稿：

https://wiley.atyponrex.com/submission/dashboard?siteName=IMM3

邮箱：

office@imeta.science