技术平台(Technology platform)

我们将人工智能(AI)技术应用于小分子、蛋白(抗体、酶、工具蛋白等)、mRNA等药物领域,打造领先的技术平台,提高药物发现的效率和成功率。目前我们打造了三大技术平台,分别是面向小分子药物的DeepMOL,面向蛋白工程的DeepPRO, 以及面向mRNA药物的DeepRNA。

DeepMOL:小分子药物发现计算平台

我们坚持自主研发,并综合使用多种技术手段,包括分子建模与模拟、分子对接、机器学习等,构建了DeepMOL平台,覆盖小分子药物从靶点发现到PCC优化的各个环节:包括靶点结构动态模拟、虚拟筛选、分子优化、成药性预测等。

靶点结构动态模拟(Protein Dynamics)

对靶点结构的动态性质(Dynamics)深刻理解,是研发具有差异化药物的关键所在。蛋白的活性/非活性构象状态,构象转换的调控因素和关键位点,蛋白和小分子结合的动态过程等——这些信息均可以从动力学模拟中获得洞察。我们具有极为丰富的动力学模拟经验以及强大的GPU计算平台,可以帮助客户进行别构药物(Allosteric Modulator)或高选择性药物设计提供帮助。

虚拟筛选(Virtual Screening)

从海量化合物库中筛选合适的苗头化合物分子是药物研发项目启动至关重要的一步。在智药科技,我们充分利用已有的大量数据,使用随机森林(Random Forest)、多任务深度学习网络(Deep Neural Network)来构建高准确性的分类器,建立准确的虚拟筛选打分算法。我们已经开发了基于结构的(Structure-based)”靶点-化合物”结合预测算法DeepDock,对普适靶点预测准确度高达0.93(BIBM2019, Regular Paper),对蛋白激酶靶点预测准确度高达0.98。另一方面,我们研发了基于GPU的高性能对接工具(MegaDock),可以在本地服务器上实现超过100万化合物/天的分子对接,可以帮助客户轻松实现大规模虚拟筛选任务。此外,我们还研发了基于分子相似性搜索的虚拟筛选工具(GigaSearch),可以在1天内对百亿规模虚拟分子库进行搜索,帮助客户发现具有可专利性的结构类似物,加快先导化合物优化进度。

分子生成(Molecular Generation)

近些年,深度学习领域的生成模型(Generative Model), 例如GAN和VAE的快速发展,使得使用人工智能技术设计化合物成为可能。在智药科技,我们主要使用VAE和Transformer模型,通过学习数亿类药化合物的SMILES,使得机器掌握正确的SMILES“语法”。在此基础上,针对特定靶点,我们将靶点家族以及靶点已知活性化合物输入模型,使其能够高效地针对特定靶点设计虚拟分子库(virtual library)。虚拟库的分子具有很高的潜在活性和成药性。

成药性预测(ADMET Prediction)

ADMET性质预测,是先导化合物优化获得临床候选化合物的重要环节。在智药科技,我们利用非监督式学习结合最先进的网络模型,进行ADMET性质预测模型的构建。该模型经过实践大规模数据(>1000化合物)检验,具有极高的实用价值。

DeepPRO:蛋白设计计算平台

基于深度学习技术,我们研发了新一代蛋白设计计算平台。结合蛋白建模和模拟技术,我们可以针对特定任务,准确地完成热点分析、虚拟突变、性质预测等任务,帮助客户从近乎无限的突变空间中,寻找最优可能改善蛋白性质的突变体。

DeepPRO计算平台已经成功地应用于改善蛋白可溶表达和结构稳定性等设计任务中。帮助客户获得了可专利保护的突变体,以及产生了显著的经济效益。

DeepRNA: mRNA设计计算平台

DeepRNA是由智药科技研发,完全具有自主知识产权的新一代mRNA序列设计计算平台。它具有以下特征:(1)针对有5'UTR和3‘UTR条件下的mRNA序列能量、密码子使用效率以及其他指标的优化;(2)使用集束聚类搜索法,有效地提升了设计序列多样性;(3) 评分算法可以利用企业内部实验数据不断迭代改进,实现快速进化;(4)基于GPU的并行计算,提高了计算效率,使得在短时间内设计超过长度1000a.a及以上蛋白的mRNA序列成为可能.

DeepRNA平台推出以来,已经受到了多家生物科技公司的关注——这其中不乏业内知名的mRNA药物公司和基因编辑公司。它们或将DeepRNA用于疫苗、蛋白替代等药物的设计,或者将其用于基因编辑工具的递送。取得了良好的反响。

DeepRNA试用

相关论文

1.Liao, Z.R., You, R.H., Huang, X.D., Yao, X.J., Huang, T., Zhu, S.F. DeepDock: Enhancing Ligand-protein Interaction Prediction by a Combination of Ligand and Structure Information. IEEE BIBM 2019.

2.Zhou, DX., Liu, F., Zheng, YW., Hu, LJ, Huang, T., Huang, Y. Deffini: A family-specific deep neural network model for structure-based virtual screening. Computers in Biology and Medicine. 2022.

相关专利

1.深圳智药信息科技有限公司. 一种虚拟药物筛选方法、装置、计算设备及存储介质. 申请号:CN201910050902.9. 申请日:2019年01月20日.

2.深圳智药信息科技有限公司. 自动药物设计方法、系统、计算设备及计算机可读存储介质. 申请号:CN202011020214.7. 申请日:2020年09月24日.