AI智药

1) 超大规模虚拟筛选

在使用主频为2.25GHz的AMD EPYC 7742 CPU（128核心），以及1块NVIDIA GTX2080 GPU的情况下，模型训练加筛选10亿分子库共用时40天。相较于仅使用分子对接（Glide）的方法，效率提升了180倍。测试的38个化合物中，10个化合物的IC50小于5 μM，命中率26.3%。其中5个化合物的IC50在纳摩尔级别。特别是化合物B4的IC50值为22 nM

业务案例——科研团队亮点工作1

我们开发了包含8种机器学习算法，5种分子表征方式和3种数据拆分方法（8*5*3=120）的一键式人工智能模型，针对ABCG2靶点进行虚拟筛选。

筛选得到的19个化合物中10个表现出针对乳腺癌细胞显著抑制活性 （未发表）

业务案例——科研团队亮点工作2

针对雄激素受体（AR）和丝氨酸-苏氨酸家族（CDKs）激酶进行多靶点药物多级虚拟筛选

筛选得到的19个化合物中的3个化合物表现出对前列腺癌、乳腺癌细胞的抑制增长作用

针对特定疾病靶点先导化合物发现

针对免疫相关疾病（如银屑病）激酶靶点进行了虚拟筛选，ADMET性质预测和结构优化

筛选得到了20余个潜在活性分子，优化得到了潜在活性且有选择性的分子结构40余个

针对宠物疾病靶点先导化合物发现（兽药）

采用靶点预测，虚拟筛选，性质预测和结构优化模块针对胃肠线虫等寄生虫进行兽药开发

现已构建完成了多级虚拟筛选体系，基于目标结构进行了骨架跃迁和片段生长

针对特定疾病筛选药食同源化合物及上市药物重定位

针对肥胖、胰岛素抵抗等重大疾病的相关靶点进行了虚拟筛选、性质预测和结构优化

筛选出的33个药食同源分子中5个具有显著活性；18个上市药物重定位分子中2个具有显著活性