模型研发
面向生物分子序列、结构和相互作用数据构建专用预测模型。
以计算方法缩短候选药物从发现到验证的路径。
我们专注于人工智能、计算生物学与结构驱动药物发现技术, 建设覆盖蛋白—小分子筛选、抗体设计和蛋白工程的智能研发平台。
平台整合序列模型、分子图神经网络、三维结构表征、分子对接与动力学评估, 支持候选分子的生成、打分、筛选、优化和风险评估,为科研合作及药物研发项目 提供可复用的计算技术能力。
面向生物分子序列、结构和相互作用数据构建专用预测模型。
通过多层级计算筛选缩小候选范围,提高后续实验验证效率。
围绕亲和力、特异性、稳定性和可开发性开展多目标优化。
从蛋白口袋到抗体序列,从候选生成到优先级排序。
针对靶蛋白口袋开展超大规模候选库筛选,融合分子指纹、图神经网络、 结构打分和分子对接,快速识别高潜力化合物。

面向抗体发现和优化,开展序列生成、CDR突变设计、结构预测、 亲和力排序及可开发性评估。

基于序列、结构与进化信息,对蛋白稳定性、结合能力和功能特性进行预测与设计。

联合蛋白序列、配体图、口袋结构及实验标签,构建更具泛化能力的预测模型。

对候选分子的毒性、ADME、特异性和成药性进行早期风险识别与优先级筛选。

以模块化能力支持不同阶段的药物发现任务。
蛋白语言模型、抗体序列建模、突变效应预测与生成式设计。
蛋白口袋识别、复合物建模、几何图学习与结构质量评估。
适配大规模候选库的批处理、模型推理、过滤和排序流程。
在亲和力、特异性、稳定性和成药性之间进行综合权衡。
直接浏览代表性技术论文,覆盖抗体设计、蛋白—小分子预测、虚拟筛选、多肽生成、毒性预测和分子动力学。
文献题目和出版信息根据深圳理工大学药学院公开页面整理;本模块在当前网站内直接展示,不设置外部阅读全文跳转。
可围绕蛋白靶点筛选、抗体优化、蛋白工程、模型开发和候选优选等方向开展合作。