热门领域
人工智能创新药物研发
AIDD（人工智能驱动的药物发现）利用AI技术提升药物发现与设计的效率和成功率。该领域融合了机器学习、数据挖掘和计算模拟技术，以应对传统药物设计过程中高成本、周期长、成功率低等挑战。随着机器学习与数据科学的快速发展，AIDD正逐步成为推动药物发现创新的重要工具。
超高通量虚拟筛选
Provided by TargetMol
复旦大学药学院王任小研究员（兼任上海陶术CTO）团队开发了基于图神经网络的PLANET深度学习模型。该模型以靶蛋白结合口袋的三维结构和配体分子的二维结构作为输入即可预测配体分子的靶蛋白亲和性，无需执行传统分子对接中耗时的构象采样过程，从而大幅提升虚拟筛选效率。 在LIT-PCBA等标准测试集上的评估结果表明，PLANET模型在虚拟筛选任务中的准确率可与GLIDE等传统分子对接方法相媲美，但其计算速度却提升1000倍以上，显著加速了药物筛选流程。
结合亲和力数据库-PDBbind
Provided by TargetMol
PDBbind数据库由复旦大学王任小研究员（兼任上海陶术 CTO）团队创建，致力于系统地收集 Protein Data Bank中各类复合物（蛋白-配体、蛋白-蛋白、蛋白-核酸和核酸-配体复合物）的三维结构及其匹配的亲合性实验数据。该数据库为分子对接、虚拟筛选、药-靶作用图谱等研究提供高质量数据基础，广泛应用于人工智能驱动的药物设计。 PDBbind 2024版本已正式上线，该版本具有亲合性实验数据大幅增加、复合物结构文件质量显著提升、生物大分子复合物数据收录增强和网络平台功能升级等亮点，进一步助力全球科研人员，在药物发现、计算生物学等领域取得突破性进展！
TOPSCIENCE DATABASE
Provided by TargetMol
人工智能驱动的药物发现（AIDD）和计算机辅助药物设计（CADD）在药物研发中发挥重要作用，其核心依赖于庞大且高质量的化合物数据。丰富的实体化合物资源和精准的化合物信息是确保筛选结果可靠性、推动实验验证及成药性评估的关键，从而提升药物开发的成功率。
TOPSCIENCE Database 是由陶术生物团队整理和维护的开源且高质量的化合物数据库，整合了全球数百家供应商的千万级小分子化合物数据，为全球科研人员提供稳定、可靠的化合物数据资源。
该数据库分为四大类，分别是筛选化合物数据库、天然产物数据库、活性化合物数据库和片段化合物数据库，能够满足不同科研需求，助力精准筛选与药物研发。
新型蛋白质/多肽药物设计
Provided by TargetMol
传统蛋白质计算设计依赖能量函数和优化算法，在庞大的序列组合空间中难以找到全局最低能量点，同时受限于能量函数精度和蛋白质骨架生成的挑战，成功率较低。AI驱动的蛋白质设计方法突破了这些限制。在结构生成上，利用生成模型从无到有构建全新蛋白质骨架；在序列设计上，结合图神经网络和大语言模型优化序列可折叠性；在序列筛选上，借助AlphaFold等预测工具精准评估稳定性和可溶性。AI方法显著提升蛋白设计的效率，成功率较传统方法提高一个数量级以上。
陶术生物与合作伙伴共同开发了蛋白质结构生成和序列设计AI模型，可设计特定靶标的全新蛋白和多肽，并优化其热稳定性、可溶性等理化性质，调控生理活性及蛋白-蛋白相互作用。该技术还可用于开发新型蛋白或多肽抑制剂与激动剂，为药物研发提供创新策略与工具。