澳门理工大学应用科学学院人工智能药物发现中心教授姚小军、刘焕香、博士研究生李婧及研究团队开发出一个全新的多任务深度生成框架“FlowDock”。该框架基于贝叶斯流网络，为蛋白质—配体柔性分子对接及结合亲和力预测提供了统一且高效的解决方案，为加速药物研发提供了强而有力的技术支撑。

传统的分子对接方法依赖搜索算法和能量评分函数来模拟结合过程，计算成本高昂且极度耗时。近年来，基于深度学习的方法提供了更具成本效益的替代方案，但它们通常忽略了蛋白质在与配体结合过程中的柔性构象变化。此外，这些方法生成的分子构象往往缺乏物理化学的合理性。面对上述挑战，澳理大科研团队研发的“FlowDock”方法实现了技术突破。该方法在整合蛋白质构象柔性的同时，能够同步精准生成蛋白质—配体复合物的配体结合姿势并预测其结合亲和力。

“FlowDock”结合了多模态分子特征与深度等变生成模型，在隐空间中迭代优化复合物结构，确保了生成过程的快速与稳定。有别于依赖已知结合口袋的传统方法，“FlowDock”支持灵活的盲对接，为探索动态蛋白质—配体相互作用提供了新的思路，是加速合理化治疗药物开发的有效新工具。相关研究成果以“FlowDock: A unified flow-based framework for flexible protein-ligand docking and binding affinity prediction”（“FlowDock”：用于柔性蛋白质—配体对接与结合亲和力预测的统一流模型框架）为题，在国际权威期刊《Acta Pharmaceutica Sinica B》（《药学学报》）中发表。

《药学学报》为中科院一区TOP期刊，在JCR SCIE药学领域排名前1.6%（影响因子14.6；CiteScore 24.3），专注于药物科学与技术的前沿研究，涵盖药物发现、药理学及药学等领域，多次入选“中国最具国际影响力学术期刊”。本研究项目受澳门科学技术发展基金（0030/2024/RIA1）及澳门理工大学（RP/FCA-15/2023）资助，研究内容全文可浏览：https://www.sciencedirect.com/science/article/pii/S2211383526002492。