Solutions - 北京望石智慧科技有限公司

小分子药物设计平台及定制化模型训练服务

以强大生成式AI能力为基础，围绕多模态AI 3D分子生成模型，构建从苗头化合物发现到临床前候选

药物优化全流程生成及验证工具，融合湿实验数据打造药物设计Copilot

多模态 AI 3D 分子生成模型 &小分子药物设计平台

场景一

Follow/Optimization and Iteration：基于参考分子固定片段生成

场景二

FIC/BIC：基于空口袋从头生成

MolVado™多模态 AI

3D 分子生成模型

· 符合不同分子设计场景需求：可基于蛋白质空口袋生成结构新颖，构象合理的药物分子;或基于固定的单/多分子片段生成类药分子;

· 遵循工业可用的评估标准：保证模型可基于蛋白质口袋生成与已知活性分子结构相似的化合物，确保生成分子的类药性;

· 生成结果经合理性评估：对生成结果进行2D结构合理性和3D构象合理性评估，过滤结构不合理的分子;

· 支持在线改造&循环生成：可就生成分子进行改造&标记，基于选中分子循环生成，逐步优化目标分子。

用分子动力学分析蛋白配体相互作用

· MolVado™ 的 AI 驱动用分子动力学分析蛋白配体相互作用(MD-IFP)分析工具突破了静态结构的局限。

· 通过结合分子动力学模拟与 AI 辅助分析，该工具能够帮助研究人员揭示关键构象变化，并自动识别具有代表性的结合构象。

相对结合自由能计算

(RBFE)

· MoIVado™ 的相对结合自由能(RBFE)计算方案基于热力学积分(TI)方法，能够在化学精度(约1kcal/mol)水平上准确预测结构相似分子之间的结合自由能差异。

· 该 RBFE 计算工具已在多种靶点(包括激酶、凋亡相关蛋白、蛋白酶等)上经过验证，可提供可靠的活性预测结果，用于补充或部分替代实验测量。

扭转能扫描

MolVado™ 的扭转能量扫描工具结合了双杂化密度泛函理论(DFT)方法与 AI 驱动的预测能力，能够提供可靠的构象分析结果。借助自主研发的片段化算法与异步扫描算法，该工具可最大限度地减少结构误差对扭转能量扫描结果的影响，可靠地探索低能构象，并有效捕捉最稳定的构象状态，此外，它原生支持隐式溶剂模型，可直接模拟具有生物学意义的环境，从而弥合气相计算与凝聚相实验观测之间的精度差距。