清华新闻网12月18日电 近日，清华大学生物医学交叉研究院黄牛课题组联合山东大学、清华大学和国家超级计算无锡中心相关团队协同攻关，成功构建新一代性能可移植虚拟筛选框架SWDOCKP²，在国产最新一代“神威”超级计算机“神威·海洋之光”上，实现每日1.9万亿个蛋白质–配体分子对接的理论计算速度，将基于结构的虚拟筛选能力推向接近整个人类蛋白质组的覆盖规模。相关研究成果在高性能计算领域顶级学术会议——2025全球超级计算大会（SC25）上报告，获得广泛关注。

现代小分子药物研发流程复杂，需历经靶点发现与验证、先导化合物发现与优化、临床前研究及多阶段临床试验等关键环节。整个研发周期长达十余年，投入动辄数十亿美元。与此同时，“按需合成”（make-on-demand）虚拟化合物库规模呈爆发式增长，从十年前的百万规模飙升至十亿甚至百亿级别，既极大拓展了可探索的化学空间，也带来了前所未有的计算压力。

面对超大规模虚拟筛选的技术难题，联合团队充分发挥超级计算机的极致并行能力，采用基于物理原理的“暴力筛选”策略，正面突破计算瓶颈。团队以虚拟筛选经典软件UCSF DOCK3.7为基础，针对“神威”超级计算机架构进行深度移植、重构与优化，开发全新虚拟筛选软件SWDOCK，能够在合理的时间内高效处理数十亿乃至上百亿小分子，加速先导化合物发现流程。

尽管SWDOCK已实现重大突破，但人类蛋白质组规模的虚拟筛选仍存在亟待解决的难题。一方面，UniProt与PDB等数据库已收录超过2万个人体蛋白质的序列和结构信息，AlphaFold等工具进一步拓展了蛋白质结构资源；而另一方面，化合物库规模指数级增长。据Pharos平台统计显示，仅3.4%的人类蛋白靶点拥有获批小分子药物，大量潜在治疗靶点亟待挖掘。

为此，联合团队持续攻关，推出虚拟筛选软件升级版本SWDOCKP²。2025年11月，在美国圣路易斯召开的SC25会议上，团队作专题报告“每日万亿配体：基于复合数据库优化和多靶点对接的高性能便携式虚拟筛选”（Trillion Ligands per Day: Performance-Portable Virtual Screening via Compound Database Optimization and Multi-Target Docking），系统介绍性能可移植的跨平台虚拟筛选框架SWDOCKP²。该框架可调度“神威·海洋之光”超算3900万个计算核心，同时对接8个蛋白质靶标结构，实现每日1.9万亿个蛋白质–配体对的理论筛选速度，较此前领先水平提升一个数量级。

通过整合小分子预采样构象系综数据库、高性能优化的SWDOCK与SWDOCKP²软件，以及“神威·海洋之光”的庞大算力，联合团队不仅实现了筛选性能的跨越式提升，更具备了构建规模高达10^¹³个蛋白质——配体复合物预测构象数据集的能力——该数据集将成为同类公开资源中规模最大的数据库。基于此数据集训练的人工智能模型，有望突破药物研发中数据稀缺的核心瓶颈，推动AI驱动的配体预测、结构生成等前沿应用发展。

SWDOCKP²核心创新集中在三个方面。多靶标并行：能量网格融合结合三线性SIMD插值算法优化，即针对蛋白质组规模筛选中“多同源蛋白、多功能构象”的并行对接需求，SWDOCKP²创新提出“多靶标并行处理”策略。构象系综重构使能“早淘汰”机制：在配体小分子侧，团队对化合物构象系综数据库进行精细化重构。通过对构象基础单元（confs）的排序与归并，将对接打分阶段的迭代量降低近一半。跨平台兼容：从神威走向通用CPU。为打破平台壁垒，团队在SWDOCKP²中引入基于OpenMP的AthreadS兼容层，该设计使得针对神威架构优化的应用可快速移植至通用CPU平台，大幅提升代码性能可移植性，为开源学术社区贡献关键技术支撑。

山东大学软件学院研究员段晓辉、清华大学计算机系/北京生命科学研究所联合培养博士后沈成、北京生命科学研究所/清华大学生物医学交叉研究院2022级博士生陈高伟为论文共同第一作者。段晓辉、清华大学教授杨广文、山东大学教授刘卫国以及北京生命科学研究所/清华大学生物医学交叉研究院研究员黄牛为论文共同通讯作者。

论文链接：

https://dl.acm.org/doi/10.1145/3712285.3759833

供稿：生物医学交叉研究院

编辑：李华山

审核：郭玲