藥物只有與靶點蛋白結(jié)合才能發(fā)揮作用，評估這種結(jié)合能力是藥物發(fā)現(xiàn)和篩選過程中的重要環(huán)節(jié)。該能力由結(jié)合自由能來衡量，結(jié)合自由能越小，結(jié)合能力越大。當(dāng)前結(jié)合自由能的計算方法主要分成兩類，一類是精確值計算法，這類方法依靠廣泛的分子動力學(xué)模擬，原則上得出的結(jié)果數(shù)值可與實驗測量結(jié)果相媲美，計算過程中需要對2 個最終狀態(tài)（綁定狀態(tài)和未綁定狀態(tài)）以及橋接它們中間狀態(tài)進(jìn)行模擬，因而需要耗費大量的時間和計算機資源。此外，中間狀態(tài)的定義的構(gòu)建也不容易。第二類是近似值計算法，這類方法只需考慮最終狀態(tài)，雖然計算效率更高，但由于引入了用于估計熵貢獻(xiàn)的近似值，因此準(zhǔn)確性較低。

近日，一項由美國麻省理工學(xué)院（MIT）參與的項目開發(fā)出一種可以通過精確、快速計算結(jié)合自由能從而評估候選藥物與其靶點間的結(jié)合能力的機器學(xué)習(xí)算法——DeepBAR。DeepBAR 中的“BAR”代表Bennett 接受率（Bennett acceptance ratio，BAR），該方法屬于精確計算束縛自由能的方法之一。研究人員通過在被稱為深度生成模型（deep generate models）的機器學(xué)習(xí)框架中引入BAR，從而削減耗時的中間狀態(tài)，并借鑒計算機視覺領(lǐng)域的經(jīng)驗，大大縮短產(chǎn)生精確結(jié)果的時間。在一項對小蛋白類分子的測試中，DeepBAR 計算結(jié)合自由能的速度比此前的方法快近50 倍。該方法有望提高藥物篩選的速度。

研究的相關(guān)結(jié)果于2021年3月18日發(fā)表在《The Journal of Physical Chemistry Letters》期刊上。