一、背景介绍
靶向蛋白降解嵌合体（PROTAC）凭借双功能分子结构，可介导靶蛋白泛素化降解，是抗肿瘤药物研发的核心技术路线。完整 PROTAC 包含靶蛋白弹头配体、E3 泛素连接酶配体与连接子（linker）三部分，其中 linker 直接决定三元复合物构象稳定性与整体药代动力学（PK）性能。传统研发依赖反复合成试错，linker 化学空间庞大、筛选周期漫长，难以兼顾分子活性、成药性与可合成性，严重制约 PROTAC 理性设计效率。
2022 年 9 月，中山大学杨跃东教授团队于《Nature Machine Intelligence》发表题为Accelerated rational PROTAC design via deep learning and molecular simulations的研究成果。该工作融合深度生成模型、强化学习与分子动力学模拟，搭建全自动化 PROTAC 智能设计框架 PROTAC-RL，突破小样本训练瓶颈，将 linker 设计与整体 PK 属性协同优化，以 BRD4 靶点完成完整干湿实验验证，大幅压缩先导分子发现周期，为降解剂高通量理性开发提供标准化计算范式。
二、实验方法和材料
1.PROTAC-RL 整体框架搭建
本研究构建分双阶段任务的一体化计算框架（图 1），拆解为分子生成、PK 定向筛选两大模块，以弹头配体、E3 配体 SMILES 字符串为输入，输出完整、具备优良成药性的 PROTAC 分子。整体采用 “预训练 - 微调 - 强化学习” 三级训练流程，解决真实 PROTAC 标注数据稀缺的行业痛点。
图1 方法概论
2.Proformer 生成模型小样本优化原理
模型基础为 Transformer 架构 Proformer，采用分层训练策略：先使用近 30 万条类 PROTAC 分子完成大规模预训练，拓宽模型化学空间认知；再依托约 2300 条真实 PROTAC 数据结合随机 SMILES 扩增样本微调，弥补真实数据量不足。训练完成后接入记忆辅助强化学习模块，以药代指标为奖励函数，定向采样低 PK 值候选分子。对 10 组配体组合开展 2000 轮强化学习训练，每组输出 Top100 优质候选分子。
3.多层级多维度虚拟筛选流程
以 BRD4 靶点为验证案例，用 PROTAC-RL 批量生成 5000 条初始候选分子，执行阶梯式过滤：首先剔除谷本相似度高于 0.6 的重复骨架分子；通过干扰化合物过滤器去除存在毒性缺陷子结构的分子；借助 PK 预测模型保留低药代风险分子；最后结合分子动力学 Rosetta、分子力学打分与合成可及性评估，筛选得到 6 条待合成分子。。
4.体内外湿实验验证方案
细胞层面选用 Molt4 白血病细胞系，检测 6 种候选分子的 BRD4 降解效率与细胞增殖抑制活性；体内实验选取小鼠腹腔给药模型，设置 2 mg/kg 给药剂量，检测血药峰值 Cmax 等核心药代参数，与经典 BRD4 降解剂 dBET6 横向对比。
三、实验结果分析
1.分层训练策略显著提升分子生成质量
预训练加微调的小样本方案有效缓解模型过拟合，强化学习优化后生成分子平均 PK 值降至 14.5，惩罚成功率达 75.5%，可稳定产出兼具新颖骨架与优良成药性的 PROTAC，规避传统生成模型分子药代缺陷突出的问题。2.多层级虚拟筛选大幅压缩候选分子规模
5000 条初始分子经多轮结构、活性、模拟筛选后仅保留 6 条，层层剔除冗余、有毒、难合成分子，大幅降低湿实验合成与测试成本，证明多尺度联合筛选体系的高效性。
3.细胞实验证实 3 种分子具备 BRD4 降解活性
6 条候选分子中 compound1、2、3 可显著降解 BRD4 蛋白，并抑制 Molt4 细胞增殖，IC50 分别为 116 nM、5.1 μM、21 μM，充分验证计算框架筛选分子的真实生物活性（图 2）。
图2 细胞实验结果
4.先导化合物 1 体内药代性能优于现有药物
小鼠体内实验显示 compound1 单次给药 Cmax 达 194 ng/mL，高于参比药物 dBET6 的 176 ng/mL，证明该分子在体内具备更优异暴露量，具备后续先导优化潜力。
四、讨论和展望
本研究创新融合深度生成、强化学习与分子模拟，搭建端到端 PROTAC 智能设计管线，打破传统 linker 仅作为连接片段的单一设计思路，实现连接子结构与整体 PK 性质协同优化。该框架依靠小样本训练策略解决数据匮乏难题，构建 “AI 生成 - 多维度虚拟筛选 - 湿实验验证” 完整标准化流程，仅 49 天完成从分子设计到活性验证全流程，为靶向降解药物研发提供高效工具。
当前框架仍存在局限：对多靶点、异质性肿瘤体系适配性有待提升，分子动力学模拟算力消耗较高。未来可融合生物先验知识图谱、可解释 AI 优化模型打分机制；同时框架具备良好拓展性，可推广至双功能分子、分子胶等其他降解剂开发，助力计算驱动的新药源头创新。
