使用这种方法，研究人员可在一天内筛选超过1亿种化合物，比任何现有模型都要多得多。这项成果解决了对当前药物筛选的需求，其可扩展性还能够评估脱靶效应、药物再利用以及确定突变对药物结合的影响。

　　近年来，科学家在根据氨基酸序列预测蛋白质结构方面取得了巨大进步。然而，要预测大型潜在药物库如何与致癌蛋白相互作用，依然具有挑战性，因为计算蛋白质三维结构需要大量时间和计算能力。

　　麻省理工学院团队以他们2019年首次开发的蛋白质模型为基础，此次将模型应用于确定蛋白质序列将与特定药物分子的相互作用。他们用已知的蛋白质—药物相互作用对网络进行训练，使其能学习将蛋白质特定特征与药物结合能力联系起来，而无需计算任何分子的三维结构。

　　通过筛选包含约4700种候选药物分子的库，团队测试了他们的模型，并确定了这些药物与51种蛋白激酶结合的能力。

　　从热门结果中，研究人员选择了19组“药物—蛋白质对”进行实验测试，最终12对具有很强的结合亲和力，而几乎所有其他可能的药物—蛋白质对都没有亲和力。

　　研究人员表示，药物研发成本之所以如此高昂，部分原因是它的失败率很高。如果能事先预测这种结合不可能奏效，就能减少失败率，从而大大降低新药开发的成本。