蛋白结合能力检测系统

新药研发周期长、成本高是长期以来制约生物医药领域加速创新发展的难题。据统计，一款药物从立项到上市平均需要投入10亿美金并耗时10年左右，其中药物分子筛选是难度最大、费时最长的环节。AI+药物筛选是医药研发的前沿高价值场景，通过在药物研发环节中充分应用智能算法，有望大幅提升药物分子与致病靶点结合试验效率，进而极大程度地缩短药物研发周期，实现研发降本增效。

蛋白结合能力检测系统

业务挑战

  • 1. 药物分子筛选难度大、费时长。
  • 2. 预测的蛋白分子结构构象与真实构象的差值。

解决方案

  • 1. 基于“图神经网络” 的Structure-aware Interactive Graph Neural Networks模型预测小分子RMSD。
  • 2. 基于“表征学习+Finetune建模”的Uni-Mol模型预测二面角差值。

方案优势

  • 1.训练过的模型推理速度比传统的模型快20%，准确率高于传统的打分函数。
  • 2. 改良后的模型算法具备大规模工程化的能力。