【前沿进展】Cell | 马剑竹/王子华/韩传辉/王新泉团队发布通用原子级AI大模型PocketXMol，重塑3D小分子与多肽药物设计

背景：人工智能在分子结构预测与药物设计领域取得进展，但现有模型通常局限于特定分子类型或任务，缺乏通用性。研究目的：开发一个统一的原子级AI基础模型，以解决基于口袋的药物生成任务，实现小分子与多肽3D结构预测和设计的统一。结论：研究团队推出了PocketXMol模型，通过原子级任务提示、通用去噪器和统一原子级分子表示三大技术创新，在13项基准测试中击败55个前沿模型，并在湿实验中成功设计出新型Caspase-9小分子抑制剂和靶向PD-L1的高亲和力抗癌多肽，证明了其卓越的计算性能和临床转化潜力，为AI驱动的创新药发现提供了通用平台。