推進人工智能驅動的核酸適配體快速發現技術以實現精准蛋白靶向

核酸適配體是一類新興的藥物形式，因其高特異性和高親和力，在靶向治療和分子診斷等生物醫學領域展現出了巨大的應用潛力。當前適配體篩選仍嚴重依賴於傳統 SELEX（指數富集配體系統進化法）流程，存在迭代周期長、實驗效率低等瓶頸。本項目將聯合北師香港浸會大學（BNBU）與香港浸會大學（HKBU）的優勢資源，開發一種基於結構模體感知的深度學習生成模型 AptGEN。該模型並將與 HKBU 方所開發的 SMART 高通量微流控平台集成，建立閉環的 AI -實驗篩選流程。我們將以不同類別蛋白（細胞外、跨膜、細胞內）為靶標，驗証 AptGEN 模型在多任務場景下的泛化能力，並持續結合實驗數據迭代優化生成結果。項目預期顯著提升適配體篩選效率，將SELEX輪次壓縮至3輪以內，推動多個高親和力適配體分子的獲得，並建立人工智能驅動的適配體在線預測平台，為后續基礎研究、臨床前開發及產業轉化奠定技術基礎。