近日，2026中国创新药物发现技术大会在成都举办，大会汇聚了众多药物研发领域的专家学者与产业代表，共话中国创新药发现突围之路。维亚生物出席本次大会并设立展台，维亚生物副总裁兼早期药物发现DEL平台负责人夏冰博士作为受邀嘉宾，发表题为"AI Powered DNA-Encoded Chemical Library Screening Against Cell-Surface GPCRs: Unlocking an Intractable Target Class"的主题演讲，系统分享了包括DEL在内公司在GPCR药物发现领域的前沿实践与研究成果。
夏冰 博士
维亚生物副总裁兼早期药物发现DEL平台负责人
GPCR靶点：广阔空间与重大挑战并存
GPCR是膜蛋白中最大的家族，对人体各项机能发挥着严密的调控作用，是目前最重要的药物靶点类型之一。数据显示，FDA已批准药物中约34%以GPCR为作用靶点，而这些药物仅覆盖了GPCR家族成员的约25%，其余大量靶点尚未被充分开发，展现出巨大的成药潜力与探索空间。
然而，GPCR同样是药物发现领域公认的"难啃骨头"。在筛选层面，无论是cell-based（细胞水平），还是protein-based（纯化蛋白水平），均面临各自的技术挑战——前者保证膜蛋白天然构象，但筛选结果背景噪声极强；后者虽浓度更佳，却可能破坏GPCR的天然构象。如何在复杂背景中精准识别有效苗头化合物，是业界长期以来的核心难题。
多平台协同，构建GPCR筛选差异化优势
面对上述挑战，夏博士重点介绍了维亚生物在GPCR筛选领域的系统性布局与差异化能力。公司自2012年起便开始布局筛选及膜蛋白平台，历经十余年深耕，已构建起以蛋白生产制备与结构研究为核心，融合V-DEL筛选、ASMS验证、AI数据分析等多平台协同的GPCR药物发现体系。
在筛选策略上，维亚生物坚持以工业化可扩展性、可重复性与通用性为导向，采用标准化的DNA编码化合物库，不刻意追求针对单一靶点的特殊库设计，旨在打造能够普遍适用于不同GPCR靶点的成熟解决方案。
AI算法突破高噪声难题
针对细胞膜表面GPCR筛选背景噪声极强的痛点，维亚生物AI团队与数学建模团队联合开发了一套基于连续分布分析的数据处理方法：将结构相似的化合物归类建模，以分布曲线取代传统的孤立数据点进行评估，同时对阳性数据与阴性数据分别建立分布模型，并将两者相互校验，从而大幅降低假阳性率，提升在强噪声背景下发现真实苗头化合物的能力。
基于上述方法，在一项针对孤儿GPCR靶点的细胞水平筛选案例中，维亚生物挖掘出两个系列苗头化合物，并推进合成了25个化合物进行验证，其中5个获得确认。值得一提的是，验证环节采用了维亚生物特色的膜捕获结合ASMS的技术路径，通过GPCR与周边膜片段统一进行分析，使验证条件与细胞筛选环境高度一致，显著降低了筛选与验证之间的"转化鸿沟"，加快了迭代速度。
Cell-based与Protein-based双线并举
除细胞水平筛选外，夏博士还介绍了维亚生物在纯化蛋白水平GPCR筛选方面的丰富积累，涵盖蛋白构建设计、高通量筛选验证、多种增溶纯化手段，以及利用冷冻电镜（Cryo-EM）平台快速获取蛋白稳定构象以辅助筛选的成功实践。
夏博士最后强调，DEL平台的核心优势在于灵活性——不同于高通量筛选需要从头重来的高昂成本，DEL仅需增加筛选条件即可同步开展多维度探索。因此团队选择将细胞水平与蛋白水平筛选并行推进，并在数据层面相互印证，以获取更高置信度的结果。此外，维亚生物还在探索基于已发表GPCR活性数据构建偏向性（biased）及拮抗剂（antagonist）富集化合物库，结合内部首创的相似度因子（similarity factor）分析，进一步提高GPCR筛选的靶向性与效率。
Copyright © 维亚生物 All Rights Reserved. 沪ICP备19036061号