美国国家科学基金会公共事务专家亚伦·杜布罗（Aaron Dubrow）日前在科学节点网站（Science Node）撰文，指出研究人员能通过超级计算机来探索治疗癌症的化疗药物，并已通过试验完成有效性测试，三项具体研究如下所示。

　　虚拟筛选

　　由德克萨斯大学安德森癌症中心的研究员Shuxing Zhang带领的研究小组，使用人工智能和基于高性能计算的虚拟筛选策略来探索大量的小分子化合物是如何“停靠”或绑定目标，以确定他们是否可能成为未来的治疗药物。

　　该研究的一个具体生物目标TNIK（TRAF2和NCK相互作用的激酶）是一种在与结肠癌相关的细胞信号传递中起关键作用的酶，通过抑制TNIK的活性可抑制大肠癌细胞的增殖。研究人员使用Lonestar超级计算机来筛选食品和药物管理局批准的小分子药物，他们发现甲苯达唑（一种与寄生虫相抗的药物）可有效地与TNIK结合。经实验测试，发现该药物可选择性抑制TNIK活性，与其他抗癌药物一起使用时，甚至可能表现出协同的抗肿瘤作用。

　　基因组卫士

　　肿瘤蛋白p53在多细胞生物体中起关键作用，通过预防其突变并保护DNA的稳定性，起到肿瘤抑制作用。但在超半数的人类癌症中，p53被突变并变得不活跃，因此使用小分子重新激活突变的p53是长期以来所追求的抗癌治疗策略。

　　自2016年9月起，由圣地亚哥加利福尼亚大学化学与生物化学教授罗米·阿玛洛（Rommie Amaro）研究的肿瘤抑制蛋白的超过150万个原子级模拟结果，有助于确定蛋白质表面上能插入小分子的新结合位点，从而重新激活p53。阿玛洛表示，计算机可以帮助研究人员更好地了解癌症机制和可能的新型治疗方法，并且生物物理模型将对科学产生巨大影响。

　　进化比较

　　研究那些有效的化疗药物及其遗传亲属的植物进化是发现药物的另一种方法，因为具有进化史的植物通常共享化学化合物的相关集合。德克萨斯高级计算机中心的计算资源对植物基因组的构建和研究至关重要，有助于缩小药物化合物的探索范围，提速发现过程，同时降低成本。（责编：杨洁）

　　（中国科学院成都文献情报中心信息科技战略情报团队编译）