陈兆维 · Computer-Aided Drug Design

• 主导设计并落地基于强化学习的深度生成模型（PyTorch自研），融合药效团约束与多参数ADMET预测，建成“设计‑评估‑优化”闭环，单次迭代可生成并评估百万级类药分子，将苗头化合物优化周期从6个月压缩至3个月。

• 针对生成分子可解释性不足的痛点，搭建基于图注意力机制的关键子结构识别模块，可视化活性决定因子，指导药物化学家精准改造；核心系列在2轮设计内靶点亲和力提升超10倍，最优先导化合物IC₅₀达32 nM。

• 引入多目标强化学习策略同步优化活性、选择性与代谢稳定性，在3个靶点项目中生成并实验验证全新骨架先导化合物，其中2个系列进入IND-enabling阶段。

• 重构分子生成与筛选管线，基于PyTorch集成分布式训练与推理加速，模型迭代效率提升3倍，已支撑公司内部5个早期发现项目提名候选化合物。

• 主导多个激酶靶点的分子对接与结合模式分析，基于Schrödinger Suite重构并标准化对接工作流，将苗头化合物富集率提升至18%，从百万级虚拟库中锁定3类全新骨架先导化合物系列。

• 为提升活性预测置信度，引入并定制基于自有力场优化的FEP计算流程，在跨国药企联合项目中实现预测值与实验IC₅₀的平均相关系数r>0.82，显著减少低效合成轮次。

• 支撑与两家全球TOP10药企的先导化合物优化合作，通过迭代FEP指导与选择性残基扫描，累计交付4条满足临床前候选标准的分子管线，其中2条已推进至IND-enabling阶段。

• 设计激酶选择性共价对接与成键自由能评估策略，在关键项目中将脱靶激酶活性降低逾20倍，同时保持靶点亲和力在个位数纳摩尔级。

• 将虚拟筛选与FEP反馈分析深度整合进先导化合物优化流程，推动典型激酶项目的临床前分子锁定周期由26个月压缩至15个月，加速约40%。

• 针对孵化器内早期靶点初筛手工操作、通量低下的痛点，主导搭建基于KNIME与Python的自动化高通量虚拟筛选流程，将单个靶点百万级分子初筛周期由2周压缩至6小时，年度支撑肿瘤、炎症及代谢方向共14个早期项目的苗头化合物发现。

• 从零构建包含320万分子的内部化合物数据库，整合ChEMBL、PubChem及商业库资源并统一清洗与标准化，开发基于分子相似性与子结构匹配的检索接口，查询命中率提升40%以上。

• 编写模块化Python脚本，自动完成分子准备、类药性过滤、对接得分排序及结果可视化，减少人工操作量约70%，使团队更专注于命中确认与湿实验验证。

• 利用分子指纹与相似性网络分析对初筛命中进行聚类与去重，在一次激酶靶点大规模筛选中从8万虚拟命中中优选出120个高优先级苗头化合物，经湿实验验证命中率达18%。

因在FEP+加速先导化合物优化中的突破性贡献，获SynCRO年度技术创新先锋奖。

论文《基于共价对接的泛KRAS抑制剂设计》获中国药物化学学术会议优秀墙报奖。