李思雨 · Computer-Aided Drug Design

• 针对某蛋白靶点，从ZINC20数据库的300万化合物库开展多轮虚拟筛选：采用分子对接（AutoDock Vina）结合自定义药效团约束，将命中率从0.3%提升至1.8%，最终获得12个IC₅₀ < 10 µM的先导化合物，其中3个经后续结构优化后活性进入纳摩尔级别。

• 为加速某激酶抑制剂项目，基于已知活性配体构建药效团模型（含3个氢键受体与2个疏水核心），对内部1.2万化合物库进行快速过滤，使后续对接计算量减少60%，同时保持90%以上已知活性分子的召回率。

• 对两个优化后的先导分子开展100 ns分子动力学模拟（GROMACS、OPLS-AA力场）及MM/GBSA结合自由能计算，预测结果与实验IC₅₀误差均在2倍以内；据此指导两轮结构修饰，将目标候选物的代谢稳定性（肝微粒体半衰期）从12 min延长至58 min。

• 搭建基于RDKit和scikit-learn的ADMET预测Pipeline（包含Caco-2渗透性、hERG抑制、CYP450代谢位点等6个模型），在早期筛选阶段排除42%的潜在毒性化合物，使后续合成化合物的体外安全性通过率提高至79%，平均每个靶点的候选物筛选周期缩短约3周。

• 编写Python脚本，自动从分子对接结果中提取关键作用模式（氢键、π-π堆积、疏水接触），并结合DBSCAN聚类算法对排名前5%的化合物进行骨架分析，产出3个新颖化学系列，其中一个系列被后续选为项目优先优化方向。

硕士期间综合表现优异，获评校级优秀毕业生荣誉