MolProphet™

让 AI 制药技术更普惠

基于自主研发的深度学习算法与云计算技术相结合,建立以 AI 为驱动的药物发现平台,以新颖性、可合成性为立足点,致力于帮助用户减少寻找疾病新靶标及潜在治疗药物的时间和资金成本。

靶标口袋发现与管理

靶标口袋建档为 MolProphet™ 平台的基础功能,完成对靶标口袋的快速准确预测,并将结果归集到同一档案中

data

已知靶标口袋数据

预处理 18 万已知 PDB 共晶结构,口袋信息随时调用。

forecast

未知靶标口袋预测

上传本地蛋白质文件,AI 自动预测、识别可能的靶标口袋。

edit

自定义口袋

专家选择关键氨基酸残基,AI 根据规则补充生成完整口袋。

protect

口袋分享信息保密

口袋信息仅存项目中,仅对用户指定的分享对象展示,不会产生数据泄露。

Hit/Lead Discovery

通过多种分析工具多维度评判配体分子,快速发现高质量、可专利、易合成、骨架新颖的潜在活性分子

基于结构虚筛

基于贝叶斯主动学习能够在巨大的分子空间 “聪明” 地采样,快速有效地探索新结构分子,同时兼顾昂贵的湿实验结果数据,形成活性分子地图空间,多轮迭代发现活性分子。

基于配体虚筛

二维相似性虚筛:基于图神经网络表征二维结构在商业化合物库中进行筛选;
三维相似性虚筛:提取小分子三维结构,在商业化合物库中进行基于 3D 药效团的相似性筛选。

AI 分子生成

基于几何深度学习算法,学习靶标口袋、小分子结构信息;通过强化学习采样算法和受体柔性构象算法,同时优化配体分子的结合构象,以预测分子与靶标口袋结合的最低自由能。

Lead to Candidate

多维度优化分子结构,提高活性、类药性、ADMET 属性

基于整体优化

基于母核优化

基于基团优化

拓展潜在活性小分子,以 building block 为基础,建立整体分子优化功能;帮助用户拓展具有高质量、可专利、易合成、骨架新颖的潜在活性分子,提高项目的成功率。

骨架跃迁
输出合成路径
拓展分子库
输入靶标 PDB