江苏理工学院生物信息与医药工程研究团队成立于2015年，现有教授(研究员)3人，副教授(副研究员)4人，中国科学院陈润生院士担任团队学术委员会主席。团队采用IT(信息技术)与BT(生物技术)相结合的研究模式，针对蛋白质和药物分子结构进行高通量筛选和设计，并通过生物学实验进行验证和反馈，显著提升了分子设计的效率和成功率。
生物信息与医药工程研究所是学校重点支持的首批创新团队，团队依托江苏省首批省级人工智能学院和“生物分子智能计算与合成制造”江苏省高校重点(建设)实验室。团队实验室总面积达600平方米，拥有曙光高性能服务器和多台GPU服务器，以及开展蛋白表达和纯化，相互作用功能研究和检测的实验平台。
（1）蛋白质相互作用和结构预测
在第14届蛋白质结构预测技术评估（CASP14）评估中，谷歌公司DeepMind团队的AlphaFold2(AF2)在单体结构预测方面取得了突破进展，并于2024年荣获诺贝尔化学奖。CASP15进一步考虑RNA结构和药物设计等新的生物学问题，因此新增了RNA和Ligand结构预测赛道。团队将基于模板的CoDock方法和深度学习打分函数相结合，最终获得Ligand复合物结构预测赛道第一名(图1， CASP评估网站https://predictioncenter.org/casp15/zscores_ligand.cgi)，并且Z-score总得分领先第二名美国密苏里大学Zou课题组约20%。2022年12月，应CASP15评估赛组委会的邀请，常珊教授线上参加在土耳其举办的第15届CASP评估会，并作Ligand专题的首个口头报告。相关CASP15评估赛的情况也被雷峰网GAIR Live，动脉网和医药魔方等媒体报道。
图1. CASP15评估赛中，CoDock团队获Ligand复合物结构预测第一。
2024年，在CASP16评估赛中，团队超过AlphaFold3获得核酸多聚体预测（z-score > -2.0）第一和RNA-Ligand复合物结构预测第一(图2)，并再次受邀作Ligand预测专题的口头报告。该研究发表论文详见Proteins, 2026, 94, 276。相关CASP16评估赛的情况也被雷峰网GAIR Live和AI科技评论等媒体报道。
图2. CASP16评估赛中，CoDock团队获核酸多聚体预测第一。
（2）RNA分子模拟和相互作用预测
RNA功能受其动力学控制，RNA在体内细胞环境里通过共转录折叠形成其结构。研究团队从完整折叠能量面出发（图3），在保持有效精度的同时解决了长链RNA分子结构空间过大的瓶颈问题，显著提高了预测长链RNA共转录折叠的可行性与可靠性。相关研究结果发表在Journal of Chemical Theory and Computation, 2022, 18, 2002和 International Journal of Biological Macromolecules, 2022, 221, 1345。
图3.进度可调的长链RNA共转录折叠模拟。
人工智能算法凭借其强大的模式识别与特征学习能力，在生物体系研究中获得了广泛应用。研究团队采用分子表面技术MaSIF，分别对RNA和小分子生成表面点云数据，并对每个表面点进行几何与化学特征的定量表征。基于这些表面点云特征，团队构建了深度学习框架（如图4所示），通过学习分子表面模式，实现RNA-小分子结合能力的预测。相关研究结果发表在Journal of Chemical Theory and Computation, 2025, 21, 8615-8633; International Journal of Biological Macromolecules, 2025, 310, 143308和 International Journal of Biological Macromolecules, 2024, 262, 130150。
图4.基于分子表面学习的RNA-小分子相互作用研究。
（3）药物设计和分子性质预测研究
为抗击新冠肺炎疫情，团队将CoDock和Autodock Vina程序应用于新型冠状病毒靶点蛋白的分子对接预测，构建了新冠肺炎药物靶点对接在线预测系统(https://ncov.schanglab.org.cn, 详见Bioinformatics, 2020, 36, 5109，ESI高被引论文)，面向科研机构提供预测公益服务。系统从2020年3月初发布以来，截至2026年3月，访问量已超过10万次，提交各类预测任务超过3.5万次。国际上已有超过70个国家的900个用户提交了预测任务，其中包括美国约翰斯•霍普金斯大学，英国剑桥大学，法国国家科学研究中心和中国医学科学院药物研究所等国际国内著名研究机构。相关研究也被人民网人民号等官方媒体报道。在前期研究的基础上，团队进一步开发了第二版的新冠肺炎药物靶点对接在线预测系统nCoVDock2，系统流程见图5。新的系统添加了更多新冠肺炎的潜在靶点结构，特别是突变体，有利于对新冠突变靶标的药物设计和开发。对于肽和抗体对接，添加了新的深度学习打分函数 (Nucleic Acids Research, 2023, 51, W365)。
图5.新冠肺炎药物靶点对接在线预测系统nCoVDock2流程示意图。
团队建立了E3Docker面向靶向蛋白质降解（TPD）研究的在线计算服务平台，系统流程见图6。E3Docker整合了1,075个人类E3酶信息，并收录了4,474个三维结构，涵盖实验解析与AlphaFold预测模型。平台采用CoDock-Ligand算法进行高效精准的对接计算，用户可通过友好界面提交小分子结构，获取其与选定E3酶的结合构象与亲和力评分。该服务器不仅适用于已知E3配体的验证与优化，也为探索新型E3结合物、拓展可降解靶点范围提供了重要工具，有望推动TPD领域的研究与药物发现进程，论文详见Nucleic Acids Research, 2025, 53, W266。
图6.面向靶向蛋白质降解的在线预测系统E3Docker流程示意图。
在医学研究和药物发现过程中，准确预测分子属性是至关重要的。近年来，大型语言模型（LLM）在多个科学领域取得了显著进展，但在分子属性预测方面的表现仍有提升空间。基于该问题，开发了知识融合的大型语言模型（KFLM²），旨在通过融合深度学习和领域知识，提高分子属性的预测能力(图7)。该工作已发表论文Journal of Chemical Theory and Computation, 2025 21, 6743-6758。
图7.大语言模型预测分子属性的流程。
(4) 生物实验和筛选研究
研究成功构建了一种低分子量、高生物相容性的类人重组胶原蛋白COL17A1（rhCOL17）。研究首次综合运用SPR与LC-MS/MS技术，系统鉴定了rhCOL17在皮肤细胞中的相互作用网络。通过AlphaFold2与分子动力学模拟，我们首次在分子层面揭示rhCOL17可稳定结合于整合素α3β1的经典配体结合位点，从结构上阐释了其促进细胞增殖、修复紫外损伤的核心机制。这些发现不仅阐明了rhCOL17通过多靶点、多通路协同作用的全新分子机制，更凸显了其作为一款高效、多功能的生物材料在抗衰老领域的巨大应用潜力(详见论文Journal of Agricultural and Food Chemistry, 2025, 73, 6724)。
图8.胶原蛋白筛选和实验研究。
基于均相时间分辨荧光（HTRF）的原理，在体外建立了靶向该变构口袋的优良的抑制剂筛选方法（信号/背景比>10，Z′值>0.9）。利用建立的方法，筛选了3个激酶抑制剂库，利用相似性搜索，得到了活性较好的小分子K815-0041，其抗病毒活性（EC50）为6.57 μM，细胞毒性活性（CC50）为102.55 μM。应用同一靶点思路，发现天然分子原卟啉IX促进CA装配的“分子胶”样调节子，为解析“组装增强/抑制”的双向调控模式提供了对照化学探针（图9）。本研究入选International Journal of Antimicrobial Agents杂志当期的“Editor’s Choice”，主编认为，结构特殊的二苯基庚烷类化合物是开发有效抗病毒药物的良好先导物。
图9.天然分子原卟啉IX（PPIX）促进CA装配的“分子胶”样调节。
