由于高分辨率靶结构和超大型虚拟化合物库的可用性，基于结构的虚拟配体筛选正在成为早期药物发现的一个关键范例。然而，为了跟上虚拟文库的快速增长［例如随时可用于合成（REAL）的组合库］，需要新的化合物筛选方法。在此，研究人员介绍了一种基于合成子的模块化方法——V‑SYNTHES，以对包含110多亿种化合物的REAL Space文库进行基于分层结构的筛选。V‑SYNTHES首先将最佳的支架‑合成子组合确定为适合进一步生长的种子，然后反复阐述这些种子，以选择具有最佳对接分数的完整分子。这种分层组合方法能够快速检测千兆级化学空间中得分最高的化合物，同时只对库中化合物的一小部分（＜0.1%）进行对接。V‑SYNTHES预测的新型大麻素拮抗剂的化学合成和实验测试表明，包括14个亚微摩尔配体在内的命中率为33%，与需要约100倍以上计算资源的烯胺REAL多样性子集的标准虚拟筛选相比，有了显著改善。最佳命中的选定类似物的合成进一步提高了效力和亲和力［最佳抑制常数（Ki）=0.9 nmol/L］以及CB2/CB1选择性（50~200倍）。V‑SYNTHES还在激酶靶标ROCK1上进行了测试，进一步支持其用于先导物的发现。这种方法可轻松扩展以适应组合库的快速增长，并可能适用于任何对接算法。