Generative
Chemistry

ADMET &
Off-target

Retrosynthesis

Model
Training

MDFlow

Alchemistry

藥物研發的多樣化工具箱

苗頭化合物篩選

去Generative Chemistry結構、虛擬篩選

先導化合物提名

R 基團探索，骨架躍遷

ADMET 與選擇性優化，相對結合自由能估算

先導化合物優化

啟動基於配體或基於結構的藥物發現工作流。

Generative Chemistry

生成式模型聚合體將根據您的標準生成最理想分子。

使用 Alchemistry、ADMET Profiling 和 Golden Cubes 對結果進行優先排序。

使用 QSAR 模型、MD 模擬器和內部數據庫等外部工具實現平台個性化定制。

為上載或生成的分子結構預測可靠的合成路線。

Retrosynthesis

基于包含專家註釋反饋模板的獨特資料庫進行訓練，聚焦於藥物化學領域。

收錄 30 萬種商业可用的構建塊，均索引至可檢索的 CAS 登記號。廣泛支援化學選擇性、區域選擇性與立體選擇性。

英矽智能 AI 模型專為創新型化學結構而訓練，可安心用於生成與篩選實驗中。

Model Training

基于自有資料（包括體外活性或模擬資料）訓練先進模型。

MDFlow

用於生物分子及其複合物的端到端模擬工作流程，從系統構建、採樣到可重複的報告與指標分析。

基於物理的核心，即一種基於物理基本原理的演算法，具有出色一流的準確程度和速度

Alchemistry

運算蛋白質和配體之間的相對結合自由能，以確定先導化合物的優先順序。用實驗數據增強分析以確定絕對結合自由能。

ADMET & Off-Target

預測並優化分子的 ADMET 和選擇性譜。您可以將我們的預測模型作為獨立的成藥性評估工具使用，或將其嵌入生成式實驗中，以引導設計邁向未來的候選藥物。

Golden Cubes

預測激酶活性和選擇性。
Golden Cubes 使用在精心策劃的活動數據集上訓練的模型，適用於 2D 和 3D 結構。
Golden Cubes 是一種專有引擎，透過多維自組織映射以實現高準確度。