問：機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的訓(xùn)練使用數(shù)據(jù)量大概多少，預(yù)測(cè)精確度如何？是否會(huì)使用一些已知的數(shù)據(jù)進(jìn)行測(cè)試？

答：針對(duì)不同的預(yù)測(cè)模型，我們采用權(quán)威的開源數(shù)據(jù)庫(kù)進(jìn)行訓(xùn)練，如對(duì)于逆合成路線預(yù)測(cè)，我們使用USPTO-50k數(shù)據(jù)庫(kù)上的所有相關(guān)數(shù)據(jù)進(jìn)行訓(xùn)練。對(duì)于精確度我們已經(jīng)在嘗試通過近期已報(bào)道的文獻(xiàn)進(jìn)行相關(guān)測(cè)評(píng)，如圖所示為使用MaXFlow預(yù)測(cè)文獻(xiàn)中化合物的合成路線與實(shí)際路線的對(duì)比，結(jié)果表明MaXFlow的預(yù)測(cè)結(jié)果與文獻(xiàn)一致。

問：抗原抗體對(duì)接是剛性對(duì)接嗎，準(zhǔn)確率如何？

答：目前MaXFlow是剛性對(duì)接，采用MEGADOCK引擎，其針對(duì)特殊的抗體結(jié)構(gòu)會(huì)進(jìn)行構(gòu)象優(yōu)化。同時(shí)MEGADOCK使用多種技術(shù)減少對(duì)接所需的計(jì)算時(shí)間，例如一種新的評(píng)分函數(shù)，稱為真正的成對(duì)形狀互補(bǔ)(rPSC)評(píng)分。研究表明完成對(duì)接計(jì)算的PPI篩選，MEGADOCK的窮舉能力比傳統(tǒng)對(duì)接軟件ZDOCK快7.5倍，計(jì)算結(jié)果基本一致。

問：MaXFlow是否能夠進(jìn)行細(xì)致的相互作用分析？

答：目前動(dòng)力學(xué)模擬部分不僅支持基礎(chǔ)的理化性質(zhì)分析、骨架波動(dòng)分析（RMSD、RMSF），還將支持蛋白質(zhì)二級(jí)結(jié)構(gòu)分析、熱點(diǎn)殘基分析（丙氨酸掃描、能量分解）、結(jié)合自由能分析（FEP自由能、MMPBSA）、相互作用分析（氫鍵分析、鹽橋分析）、構(gòu)象轉(zhuǎn)變分析等，可以從不同角度給出相互作用全面的分析。

?

問：新生成的分子模型，創(chuàng)新性有沒有指標(biāo)來(lái)評(píng)價(jià)，而且生成的分子數(shù)量很多，如何驗(yàn)證是否已經(jīng)存在？成藥性的打分標(biāo)準(zhǔn)是什么，僅僅按照（QED）來(lái)評(píng)價(jià)合理嗎？

答：為了評(píng)估生成分子的新穎性，MaXFlow通過ISOMAP算法應(yīng)用于從ZINC數(shù)據(jù)庫(kù)獲得的訓(xùn)練數(shù)據(jù)集，構(gòu)建從指紋到二維空間的映射，灰點(diǎn)代表ZINC數(shù)據(jù)庫(kù)中的分子，熱圖點(diǎn)代表生成分子隨時(shí)間的分布，從而實(shí)現(xiàn)生成新穎分子的評(píng)估。成藥性指標(biāo)包括類藥性QED、合成性分?jǐn)?shù)SAscore、水溶性指標(biāo)logP以及plogP等，進(jìn)一步還可通過分子對(duì)接或者藥靶親和力進(jìn)行分子評(píng)價(jià) 。

?

問：重鏈和輕鏈?zhǔn)欠窨梢栽诮Y(jié)構(gòu)上標(biāo)識(shí)CDR區(qū)？

答：抗體目前已經(jīng)有了序列注釋組件，包含IMGT、Kabat、Chothia和Martin四種可選編號(hào)系統(tǒng)對(duì)抗體進(jìn)行注釋，可以給序列標(biāo)注CDR區(qū)。

問：CDR優(yōu)化，組件里AI模型，可以直接實(shí)現(xiàn)優(yōu)化嗎？

答：CDR區(qū)的loop因?yàn)橐Y(jié)合多種抗原而會(huì)具有更多樣的結(jié)構(gòu)，導(dǎo)致此區(qū)域的建模準(zhǔn)確性更低，特別是第三個(gè)CDR loop（CDR-H3）。MaXFlow可以通過AI直接預(yù)測(cè)CDR區(qū)的loop并進(jìn)行能量最小化獲得更準(zhǔn)確的CDR結(jié)構(gòu)。

MaXFlow 分子模擬與人工智能平臺(tái)

MaXFlow讓生命科學(xué)家和材料科學(xué)家能夠用最簡(jiǎn)便最快速的方式，應(yīng)用模擬科學(xué)家實(shí)踐的最新模擬計(jì)算和人工智能模型對(duì)創(chuàng)新進(jìn)行機(jī)理指導(dǎo)和實(shí)驗(yàn)預(yù)測(cè)。

• 所見即所得，輕松構(gòu)建3D模型

• 通過組件和工作流技術(shù)，提高建模效率

• 結(jié)合SDH科學(xué)數(shù)據(jù)基因組平臺(tái)，提高數(shù)據(jù)獲取效率

• 開放環(huán)境對(duì)各類算法進(jìn)行集成和封裝

• 降低AI模型使用門檻，模型與實(shí)驗(yàn)的結(jié)合更緊密

• 模型共享，專家經(jīng)驗(yàn)與知識(shí)沉淀固化

• 加快研發(fā)速度，降低研發(fā)成本