计算化学
有效加快您的药物发现过程
计算化学和虚拟筛选在早期药物发现中起着至关重要的作用。分子建模方法和筛选技术变得越来越复杂，它们与机器学习一起成为初步hit发现的强大工具。最新的技术发展导致了人工智能（AI）模型的急剧兴起，现在，从早期发现到制造和患者使用，AI模型在制药业的各个领域都发挥着重要作用。
在早期阶段应用CADD（计算机辅助药物设计），可以大大节省大型高通量筛选活动后数据分析所需的成本和时间。对蛋白质结构的深度学习和最新计算算法的应用可使命中率提高10-15%。
作为筛选化合物和片段的最大供应商，我们广泛使用所有可用的计算化学工具，并开发了自己的算法和方法来寻找靶点。利用我们的经验，我们设计了70多个靶向和多样性库。我们的专家参与了与计算化学领域领先科学团体的合作，并发表了多篇论文。
我们很乐意帮助您对我们的3M筛选集合或从我们的REAL数据库中的选定部分进行计算机筛查，并提供以下所有 CADD 服务：
- 合成hit发现化合物库、制备类似物；
- 使用各种加帽试剂进行骨架装饰；
- 单体合成、hit-to-lead优化、藉梯(scaffold-hopping);
- 分子砌块/骨架的合成，包括放大验证；
- 可行性研究
脂肪氧化酶（hLOX-5）对接结果：hit分子的配体结合姿态。
脂肪氧钉肽的结构优化及与MDM2的相互作用。化酶（hLOX-5）对接结果：hit分子的配体结合姿态。
磺酰氟库与丝氨酸蛋白酶的共价对接。
RNA SAM 核糖开关的分子对接，已鉴定的hit结合模式示例(黄色)。
基于与已报道的大鼠配体NMDA结构比对的分子动力学（MD）模拟和 hNMDA结合位点鉴定。
作为PPI抑制剂潜在相互作用位点"热点"的鉴定。
