用真实候选命中检验结构模型
蛋白结构预测是否能帮助找药，需要用新候选的实际活性检验。瑞典乌普萨拉大学（Uppsala University）等团队在 Science Advances 比较两种结构来源：AlphaFold 预测与传统同源建模。研究靶点为痕量胺相关受体 1（trace amine-associated receptor 1，TAAR1），一种与神经精神疾病药物研究相关的 G 蛋白偶联受体（G protein-coupled receptor，GPCR）。
开展筛选时，该受体尚无可用实验结构。团队分别生成 1,000 个 AlphaFold 模型和 1,000 个优化后的同源模型，并用 173 个已知配体与 11,392 个性质匹配的对照分子，检查模型能否把配体排在前面。两类方法各选择 5 个表现较好的模型进入前瞻筛选。
同一千万级化合物库，最终实测 62 种候选
两组均筛选约 1,600 万种小片段样化合物。每个化合物以其在 5 个受体模型中的最佳对接分数排序，再排除常见检测干扰结构、与已知配体过于相似的分子，并按结构聚类和人工检查挑选候选。受结合口袋大小影响，每个 AlphaFold 模型平均成功对接约 680 万种化合物，同源模型约 1,130 万种。两组从同一库出发，但能够放入口袋的分子范围有所不同。
AlphaFold 组挑选 30 种，同源建模组挑选 32 种，合计 62 种进入细胞功能检测。实验测量人 TAAR1 激活后的 G 蛋白募集，并在腺苷 A2A 受体系统中复测，未见相应激动或拮抗活性，支持排除非特异性信号放大或检测干扰。
18/30 与 7/32 命中，重叠校正后差异仍存在
62 种候选中有 25 种显示激动作用，效能超过参考激动剂最大反应的 50%。AlphaFold 组为 18/30，命中率 60%；同源建模组为 7/32，约 22%。最强的 3 种候选也来自 AlphaFold 组。这里的分母是经过排序与人工选择的实测候选。
两类模型的口袋大小不同，影响了排到前面的分子：两组排名前 10,000 的化合物仅有 16% 重叠。实测候选中，有 5 种同属两组前 2,000 个高排名结构簇；原文对重叠作调整后，AlphaFold 命中率仍为 54%，同源组为 22%。
所有命中分子都表现为激动剂，没有发现拮抗剂。作者将这一结果与模型选择方式联系起来：用已知激动剂的富集来选择口袋，可能也将后续发现引向能够支持激活的结合位点形态。
窄屏可横向滑动查看完整图表。
后续选择同时考虑效力、其他受体和体外药代性质
团队以较强候选为起点考察 16 个类似物，随后进一步比较化合物 30 与 65 的选择性。受体面板最初涵盖 36 种胺类 GPCR，其中 27 种的阳性对照表现达到分析要求。除 TAAR1 外，部分候选仍作用于其他受体，因此不能只凭主靶点效力判断候选质量。
化合物 65 因主靶点活性较强、缺少部分不希望的受体作用而进入后续分析。体外评价包括溶解度、血浆蛋白结合、Caco-2 通透性以及人和小鼠肝微粒体稳定性；其中 Caco-2 外排比为 2.2。这些实验补充了单纯对接无法给出的性质信息。
小鼠后续实验观察到体温和行为变化，部分抗精神病样效应在 TAAR1 缺失小鼠中消失，支持其与该受体有关。这一阶段提供动物效应证据，尚未涉及患者中的治疗效果。
实验结构既支持部分预测，也暴露口袋变化的缺口
论文投稿后公布的冷冻电镜结构，为模型提供了额外参照。AlphaFold 在细胞外区域及部分结合位点的预测较接近实验结构，但更大配体能稳定不同形状的口袋，这些构象没有被生成的 1,000 个 AlphaFold 模型捕捉。
作者因此将结论限定于本次靶点与筛选比较。选择多个模型有助于降低单一口袋的影响，但已知配体、受体状态和候选选择仍会影响结果。是否能在更多 GPCR 上得到相同优势，需要跨靶点验证。
已知配体富集比较中，AlphaFold 模型的整体表现仍弱于其中一个新公布的实验结构；经过挑选、用于前瞻筛选的少数模型则略好。这进一步说明，模型选择本身会影响筛选结果，单个结构的预测精度和最终候选命中率是不同的评价指标。