糖果派对-糖果派对试玩 分子酶学工程教育部重点实验室韩葳葳教授、韩璐教授研究团队在基于AI的蛋白-配体相互作用研究方面取得重要进展。该研究围绕药物-靶标结合位点和结合亲和力预测的核心难题，构建了多模态蛋白-配体交叉注意力框架，系统整合蛋白序列表示、三维结构特征与配体分子图信息，并引入实验条件信息以提升模型的稳定性与泛化能力。研究进一步实现了结合亲和力预测与蛋白结合口袋识别的统一建模，为虚拟筛选与理性药物设计提供了新的技术路径和理论支撑。研究成果于2026年2月12日在国际学术期刊《Journal of Medicinal Chemistry》上发表。

药物-靶标结合亲和力（DTA）的准确预测仍然是药物发现领域的核心挑战之一，其难点在于需要整合蛋白和配体在序列、三维结构以及理化性质等方面的异构信息。为此，我们提出了 PLMCA多模态蛋白-配体交叉注意力框架，在统一架构中融合两种蛋白语言模型的序列嵌入表示、三维几何特征、理化描述符以及配体分子图表示。PLMCA 进一步将 ChEMBL 数据库中的实验测定条件作为辅助输入，以减轻批次效应并降低测量噪声。 在 PDBbind21 数据集上，PLMCA 在随机划分、未见配体和未见蛋白等多种评估设置下，对 K_d 和 K_i 的预测性能达到或优于当前先进方法。在 ChEMBL_mini 数据集上，PLMCA 在 IC₅₀、K_d 和 K_i 预测任务上分别取得 0.531、0.635 和 0.519 的 R² 值。此外，PLMCA 在蛋白结合口袋预测方面同样表现稳健，在未见蛋白设置下的 AUPR 最高可达 0.655。同时，团队开发并上线了 PLMCA 在线预测平台（//hwwlab.com/webserver/plmca），支持结合药物-靶标的位点识别与亲和力预测，为科研人员提供便捷高效的智能分析工具。

图1. 多模态蛋白配体相互作用模型PLMCA架构图

该论文第一完成单位为糖果派对-糖果派对试玩 ；吉林大学博士研究生贺奕为论文第一作者，韩葳葳教授和韩璐教授为共同通讯作者。本研究得到了国家自然科学基金面上项目（32471313）的资助。

全文链接//pubs.acs.org/doi/10.1021/acs.jmedchem.5c03431