Deep Origin 發表混合式 AI 藥物發現框架 DODock 與 DOScore，稱癌症靶點命中率達 31%

據報導，新創公司 Deep Origin 近日宣布其結合 AI 與物理模擬的藥物發現框架，在針對癌症免疫治療相關酵素 CD73 的測試中，命中率達 30.6%，官方稱約為一般機器學習方法的 100 倍。 該平台由分子對接引擎 DODock 與估算熱力學結合親和力的 DOScore 組成。DODock 先以擴散模型提出候選構型，再透過基於 Vina 風格能量函數的物理搜尋與精修流程進行最佳化，藉由物理第一性原理補足純資料驅動模型在面對陌生化合物時準確度下滑的問題。 為確保模型在未知靶點上的泛化能力，Deep Origin 採用雙重相似度過濾，排除序列相似度達 30% 以上的蛋白質及 Tanimoto 相似度超過 0.4 的配體進行「零洩漏」測試。團隊在超過 800 億個化合物的合成庫上進行濕實驗驗證，涵蓋 CD73、IRAK4、Factor XIa 與 IL-17A 等四個靶點。結果顯示，命中分子展現高度骨架新穎性，與已知結合物相比的 ECFP4 Tanimoto 相似度僅約 0.22 至 0.27，證明其能找出全新的化學結構。