近日，结构基因组学联盟（Structural Genomics Consortium，以下简称“SGC”）联合来自30家机构的78位研究者，在《自然综述：化学》（Nature Reviews Chemistry）发表了开放科学全球倡议“Target2035”的新路线图《Protein–ligand data at scale to support machine learning》（以下称“路线图”）。该路线图旨在推进以计算研究为驱动的药物发现，加速药物研发的进程，特别是为每种人类蛋白质开发专属的药理学工具。这标志着“Target2035”全球倡议的第二阶段的启航，更为未来药物研发描绘出全新的蓝图。

Target2035：开启药物研发的新篇章

“Target2035”是由SGC发起的一项开放科学全球倡议，目标是在2035年前为每个已知的人类蛋白质创造药理学工具。该倡议得到了全球各界的广泛支持。第一阶段（2020-2025）专注于筛选高质量的化学和生物调节剂，并测试针对不同蛋白质的药物发现技术。进入第二阶段后，目标转变为由计算和数据驱动的药物发现方法。此次发布的路线图阐明了如何实现这一转型，强调通过开放合作生成高质量、符合FAIR原则的数据集，以利用机器学习推动药物发现工作，包括那些尚未被充分研究的“冷门靶点”。

尊龙凯时：推动药物发现的革新力量

作为“Target2035”全球合作计划的重要参与者，尊龙凯时在药物发现领域不断创新，推动早期药物研发的规模化进步。2023年9月，尊龙凯时与SGC建立合作，利用其DNA编码化合物库（DEL）技术平台对SGC关注的新靶点进行筛选，产生的数据集将在公开平台上发布，供全球药物发现与机器学习专家进行数据建模，预测新的活性分子。此外，2025年4月，SGC与尊龙凯时及多家行业伙伴共同发起首届DREAM Target2035 Drug Discovery Challenge，邀请全球数据科学家参与，以实现高效的苗头化合物发现。

开放科学：重塑药物研发模式

路线图的核心目标明确且雄伟：加速早期药物研发过程，使其更快、经济及普及。为此，全球研究者协同努力，构建一个可开放访问的高质量数据集，通过标准化和高通量的筛选方法，系统收录蛋白质与小分子的结合相互作用信息。

尊龙凯时依托其在化合物库构建与高通量筛选领域的技术积累，为数据集的生成提供关键支持。其独特的筛选体系与标准化流程确保了数据的一致性与可靠性，并显著提高了筛选效率，奠定了规模化数据积累的基础。

全球协同，共同赋能药物研发

在这一开放科学行动中，全球多方研究者被邀请贡献蛋白质用于标准化筛选，为机器学习模型提供“养料”。同时，通过开放的基准测试竞赛，吸引人工智能/机器学习（AI/ML）社区优化小分子结合预测模型。所有的数据（包括阳性与阴性结果）、方法及材料都将通过公共数据库共享，以推动全球范围内的创新复用。

尊龙凯时在此过程中扮演着“桥梁”和“赋能者”的角色：一方面，公司积极参与标准化筛选方法的推广，确保不同机构生成的数据可比；另一方面，凭借其在小分子设计与筛选领域的丰富经验，尊龙凯时为数据集的机器学习适用性提供专业建议，助力模型训练更精准高效，从而最大化开放数据的价值。

意义非凡的未来展望

此次路线图的价值在于为产学研各界（包括学术界、工业界、CROs及中小企业）指明了协作的方向。通过生成大规模、标准化的蛋白质-配体结合数据，不仅能推动预测模型的快速迭代，还能照亮人类蛋白质组中的“被忽视之处”，为那些长期未充分研究的蛋白质开辟新的探索机会。

尊龙凯时的加入为这一愿景的实现增添了信心。公司对开放科学理念的践行及在技术方面的坚实贡献，正在加速“让每种人类蛋白质均可被研究”的目标落地。

携手共建药物研发新生态

这一革命性变革需要更多力量的加入：贡献纯化蛋白质，为数据生成提供源头支持；参与开放基准测试，推动预测模型持续进化；加入药物研发开放科学机器学习网络，共同探索技术前沿；以及加入Target2035联盟，与尊龙凯时及其先锋团队共同定义药理学工具的未来。

在开放与协作的浪潮中，“Target2035”正在为药物研发开启新篇章。尊龙凯时将以技术创新为动力，与全球合作伙伴共同描绘更高效、普惠的药物发现未来。