lewin·乐玩电子国际|品牌官网

干湿结合的计算解决方案

维亚AIDD/CADD团队致力于针对不同类型药物分子提供干湿结合的解决方案,充分利用维亚计算与实验的双重优势,为药物研发的各个阶段提供高效优化路径。通过多种计算策略筛选和优化潜在药物分子,借助各种实验手段对计算结果进行验证,同时以实验结果对计算策略与AI模型进行针对性优化。

lewin乐玩干湿结合的解决方案拥有计算与实验的双重优势,为药物研发的各个阶段提供高效优化路径,覆盖小分子、大分子/抗体、PROTAC/分子胶、XDC、多肽等多个药物类型

靶向RNA的小分子药物计算方案

  • 先进的RNA结构建模和RNA-小分子相互作用模拟
  • 针对RNA及其非经典结合模式开发专用力场
  • 受限化学空间(更平坦更极性RNA结合口袋)的小分子虚筛
了解更多
AIDD/CADD干湿结合-靶向RNA的小分子药物计算

RNA靶向小分子药物发现流程

  • 体系准备

    模拟体系原子确定

    各部分力场参数准备

    动力学模拟配置

  • 结合方式预测

    利用RNA动力学模拟理解MOA

    建立结合位点和姿势预测方式

  • 结合亲和力预测

    结合实验数据与预测结合姿势,建立基于MD轨迹的指标与亲和力的关系

  • 先导分子动力学模拟

    了解系统的动态

    细化MD模拟条件

  • 改进分子动力学模拟

    基于结构研究作用机制(MOA)

    持续改进模拟条件

  • 理性设计

    整合已知信息到新化合物设计中

    使用已建立的指标-亲和力关系评估

    结合姿势和亲和力

  • 体系准备

    模拟体系原子确定

    各部分力场参数准备

    动力学模拟配置

  • 结合方式预测

    利用RNA动力学模拟理解MOA

    建立结合位点和姿势预测方式

  • 结合亲和力预测

    结合实验数据与预测结合姿势,建立基于MD轨迹的指标与亲和力的关系

  • 先导分子动力学模拟

    了解系统的动态

    细化MD模拟条件

  • 改进分子动力学模拟

    基于结构研究作用机制(MOA)

    持续改进模拟条件

  • 理性设计

    整合已知信息到新化合物设计中

    使用已建立的指标-亲和力关系评估

    结合姿势和亲和力

AIDD/CADD能力

  • 计算机系统表征

    全面RNA-靶点结构分析

    药物可结合位点识别

    热力学与动力学结合特征分析

  • 亲和力定量评估与预测

    高精度结合亲和力计算

    基于增强动力学模拟的相互作用分析

    RNA-靶点特异性评估

  • 理解作用机制

    RNA构象探索

    配体识别机制理解

    变构调节分析

  • 基于结构的RNA靶向药物设计

    AI驱动配体设计

    AI增强的虚拟筛选

    AI/ML模型的可成药性预测与优化

维亚优势

  • 以MD增强采样捕获体系动态特性
    克服传统方法无法捕捉RNA动态特性的问题
  • 无需预先信息
    突破传统计算策略依赖结构信息定义约束参数的限制
  • 专用力场
    降低通用力场带来的误差(如结合姿势预测不准)
  • 基于结构的相互作用分析策略
    改善通用打分体系与亲和力相关性较差的情况
AIDD/CADD干湿结合-智能化抗体设计

干湿联动的智能化抗体设计方案

提供“抗体发现-亲和力优化-成药性评估”的一站式计算解决方案
  • 端到端计算驱动
  • 蛋白-蛋白相互作用(PPI)
  • 领先的AI+物理模型
  • 结合实验数据迭代优化

抗体从头设计

抗体人源化

亲和力成熟

可开发性优化

  • AI模型精准结构预测
    基于前沿AI模型,预测抗体重链和轻链结构
  • 动态构象采样
    通过增强分子动力学模拟及多种采样方式解析抗体柔性可变区
  • 抗体可开发性高效优化
    预测并优化抗体的可开发性
AI 驱动的抗体设计流程,涵盖抗体结构预测、动态构象采样、从头序列与结构设计、亲和力优化、评估指标及抗体可开发性优化。

应用案例:新靶点抗体的从头设计

对已知结构的抗体进行分子动力学模拟并对其作用网络进行分析,据此设计的抗体保持了关键相互作用。
  • 智能人源化设计
    采用深度学习和同源分析,识别并优化非人源抗体序列
  • 精准亲和力提升
    通过自由能微扰(FEP)、定量构效关系(QSAR)和AI增强筛选,确认关键突变位点
  • 人源化失败风险降低
    结合性质和可成药性AI/ML预测模型,多目标优化序列
智能抗体人源化流程图,展示了从鼠源抗体序列出发,历经框架建模、CDR建模与嫁接、回复突变(Back Mutation),最终输出人源化序列的技术路径,及智能人源化优化、精准亲和力提升、人源化失败风险降低这三大核心优势。

应用案例:基于鼠源抗体通过计算推荐人源化模型

通过VIVA抗体设计平台的抗体人源化方案,对于鼠源抗体进行设计改造,实现抗体在分子和细胞水平上均保持活性。


CADD/AIDD抗体设计平台的人源化抗体开发流程图。包含鼠源抗体设计、人源化序列交付,以及结合活性、细胞水平、亲和力成熟、免疫原性和可成药性性质等关键技术验证环节。

交付的4个人源化抗体在分子水平上保持活性,其中1个人源化抗体在分子和细胞水平上均保持活性。

接近100%的抗体人源化成功率。

基于计算生物学的抗体设计与优化技术框架图,围绕中心抗体复合物三维模型展开,包含三维结构建模、分子动力学模拟、热点预测、计算机辅助药物设计预测和合理抗体设计五个核心模块。
抗原-抗体复合物设计与突变序列交付流程图,包含复合物构建、模型结构评估、热点识别与残基筛选、交付20个或更多突变序列及实验测试的闭环路径。

应用案例:通过抗体亲和力成熟计算方案实现专利突破

抗体从头设计与实验验证的迭代循环流程图,展示了从抗体从头设计、分子优化、实验测试到结果反馈的闭环路径。

多靶点多种需求下亲和力微调

保持亲和力的CDR突变实现专利突破

lewin乐玩抗体设计平台的可开发性优化流程图,包含策略选择、计算结果分析与实验验证的迭代循环、以及最终的可开发性优化三个核心阶段。
  • AI辅助的序列优化
  • 增强分子动力学模拟
  • 抗体表面电荷与疏水性分析
  • 免疫原性与聚集风险评估
  • 全方位抗体可开发性评估
  • 结合实验的计算方案综合优化

应用案例

应用案例
lewin乐玩基于序列和结构的抗体开放性分析案例。

对抗体的氧化、脱酰胺、蛋白水解、糖基化和异构化等方面进行风险评估

按客户需求改善了粘度、聚集性、溶解度、胶体特性等理化性质

lewin乐玩抗体选择性调整案例。

设计的突变提高了一个双靶抗体对抗原A的亲和力,降低其与抗原B之间的亲和力差异

和实验相互验证的多肽计算服务

通过“计算设计-实验测试-优化迭代”流程,确保多肽优化的高效性和可靠性
  • AI驱动多肽设计与优化
  • 突破传统靶点限制
  • 加速发现周期
  • 端到端一站式方案
了解更多
AIDD/CADD干湿结合-和实验相互验证的多肽计算

靶点到苗头化合物

AI智能驱动DEL多肽筛选

AI辅助构建目标多肽DEL库

结合FEP计算提取与精修DEL命中多肽

多肽虚拟筛选

蛋白-多肽对接

结合亲和力计算

分子动力学模拟

相似性搜索

药效团建模

2D/3D-QSAR建模

多肽从头设计

基于口袋的多肽从头生成

蛋白质复合物三维结构表面模型,展示了三个从头设计的肽链(Peptide 1, 2, 3 de novo)与参考序列(Reference)在靶蛋白结合口袋中的叠加结合构象。

基于锚点的环肽生成

多肽环化设计原理示意图,展示了通过引入天然或非天然氨基酸生成多样化片段,并在特定锚点进行多肽环化的化学结构模型。

苗头化合物到先导化合物

多肽理性设计

多肽结构预测

蛋白-多肽复合物的动态行为模拟

氨基酸修饰

多肽与靶蛋白结合的前后构象对比图,展示了未结合状态(Unbound peptide)与结合状态(Bound peptide)的肽链结构叠加对比。
基于MD模拟的未结合/结合肽构象采样

多样化成环策略选择

二硫键成环

硫醚键成环

碳氢化合物钉合

点击化学成环

结合亲和力与稳定性评估

多肽或蛋白质药物技术演进趋势图,展示了从第一代(1st Generation)到第三代(3rd Generation)分子三维结构的阶段性迭代与优化。

聚合物偶联

多肽-抗体偶联物结构示意图,展示了环肽通过聚乙二醇化(PEGylation)长链与抗体Fc部分进行特异性连接的技术原理。

基于AI的多肽药代动力学预测

渗透性预测

Caco2回归模型

RRCK回归模型

PAMPA回归模型

药物渗透性ADMET预测模型性能对比条形图,展示了Caco2、RRCK和PAMPA在MSE与R²指标上的数据表现。
稳定性预测

模拟胃液半衰期预测分类模型

模拟肠液半衰期预测分类模型

药物模拟胃肠液半衰期(t1/2)预测模型性能条形图,展示了模型对模拟肠液(t1/2 in simulated intestinal fluid)与模拟胃液(t1/2 in simulated gastric fluid)进行预测时,在 F1 分数(F1 score)和准确率(ACC)指标上的表现。
基于计算生物学的 PROTAC 药物设计核心模块与技术矩阵图,包含配体、连接链、三元复合物、成药性评估及 FEP、MD、PK/PD 等计算技术。

AI驱动的PROTAC和分子胶计算解决方案

  • AI驱动PROTAC与分子胶设计

    AI生成连接子

    AI增强虚拟筛选: 基于维亚独有连接子库

  • 蛋白-蛋白相互作用(PPI)分析

    领先的自研PPI打分系统

    基于AI模型与MD模拟的优化

    结合E2和泛素的综合判断

  • 不限于E3连接酶的蛋白结合伴侣优化

    针对多种结合伴侣优化

  • 基于维亚自有PROTAC库的策略完善

    结合维亚结合物和连接子合成优的持续改进设计策略

了解更多
基于AI的PROTAC药物研发流程图,包含POI和E3连接酶虚拟筛选、连接物设计优化、三元复合物评价及成药性预测四个阶段。
  • 口袋识别

    结合物优化

    结合物连接基团设计

  • 连接位点确定

    长度、柔性和连接基团类型优化

    连接物设计

  • 三元复合物的建模

    三元复合物稳定性评估

    SAR分析

  • 降解活性预测优化

    细胞通透性预测优化

    PK/PD和ADMET预测优化

基于 AI 驱动的 PROTAC 药物设计与筛选全流程技术路线图,包含从配体筛选、复合物建模到稳定三元复合物交付的七个阶段。

连接结构虚拟优化一般流程

基于分子动力学(MD)模拟与柔性叠合的 PROTAC 分子构象采样与复合物结构优化技术流程图。

应用案例:选择抗体连接位点

基于 N 端靶蛋白配体(N-terminal POI binder)到 C 端 E3 连接酶配体(C-terminal E3 binder)的 PROTAC 分子连接链(Linker)设计与筛选演进路线图。
通过遍历不同位点形成的设计,进行复合物构象、动力学行为表征和关键指标分析,确定最佳连接子长度和结构

AIDD/CADD能力

  • 维亚PROTAC连接子化合物库
  • 结合物设计
  • 蛋白-蛋白相互作用(PPI)建模
  • 连接子从头设计
  • 三元复合物预测
  • 可成药性分析
  • PROTAC连接子筛选和锚点选择
  • …….

维亚优势

  • 蛋白-蛋白相互作用(PPI):

    高性能评分系统

    基于AI和动力学模拟的对接后优化

    整合E2和泛素的增强PPI模型

  • 不仅限于E3连接酶,针对多个结合伴侣的MG优化
  • 整合Viva在结合物、连接子和结合伴侣的合成经验,迭代优化设计策略

应用案例:AI驱动的E3连接酶结合剂的探索

基于 AI 驱动的E3 连接酶配体发现两种方法对比图,包含超大规模虚拟筛选(Method 1)与 AI 基于口袋的分子生成(Method 2)的技术路径。
AIDD/CADD功能平台
在线留言
收到您的留言,我们会尽快安排时间与您联系。
  • 咨询内容类型

    CRO药物研发服务

    CDMO研发生产服务

    EFS投资孵化业务

    媒体合作

    投资者关系

    其他

    您是如何了解到维亚的?

    搜索引擎(百度,谷歌等)

    行业会议/活动

    社交媒体

    领英

    朋友/同事推荐

    其他

×
本网站使用 Cookies,您的隐私选择对我们很重要
我们使用Cookie来改善用户体验和分析网站流量。通过单击“接受”,您同意我们网站的cookies使用,如Cookies策略。
XML 地图