數(shù)輝自研的深度生成式AI模型的蛋白質(zhì)動態(tài)結(jié)構(gòu)預(yù)測模型（DeepConformer）基于深度生成式AI算法，能夠從蛋白質(zhì)序列出發(fā)直接預(yù)測出蛋白質(zhì)三維結(jié)構(gòu)的動態(tài)構(gòu)象。我們的動態(tài)構(gòu)象預(yù)測算法可以快捷地獲取蛋白質(zhì)分子的動態(tài)特征，并直接應(yīng)用于基于蛋白質(zhì)構(gòu)效關(guān)系的蛋白質(zhì)設(shè)計流程，以及蛋白質(zhì)理化性質(zhì)預(yù)測優(yōu)化等多種任務(wù)場景。
數(shù)輝自研的蛋白生成平臺充分利用深度生成模型的強大建模能力，深入研究蛋白質(zhì)序列的進化規(guī)律和隱含關(guān)系，以期為藥物設(shè)計、酶工程等領(lǐng)域提供全方位的解決方案。通過生成具備多樣性和自然物理特性的序列變體，平臺為未來藥物研發(fā)、生物工程等領(lǐng)域的創(chuàng)新和發(fā)展奠定了堅實基礎(chǔ)。
數(shù)輝綜合使用多種分子動力學(xué)模擬方法，獲取蛋白質(zhì)分子的動態(tài)特征，探索蛋白質(zhì)分子的活性位點和功能機制。通過構(gòu)建構(gòu)象與功能機制之間的聯(lián)系，助力生物分子的設(shè)計和優(yōu)化。蛋白質(zhì)分子模擬在提供以及輔助生成蛋白質(zhì)構(gòu)象、蛋白質(zhì)與其他分子的活性位點和相互作用機制研究、蛋白質(zhì)穩(wěn)定性預(yù)測和蛋白質(zhì)親和力計算等多種應(yīng)用場景中均能發(fā)揮作用。
抗體的 Fab 區(qū)域（片段抗原結(jié)合區(qū)）是抗體上與抗原結(jié)合的區(qū)域。由重鏈和輕鏈各一個 恒定結(jié)構(gòu)域和一個可變結(jié)構(gòu)域組成，執(zhí)行一系列對免疫反應(yīng)至關(guān)重要的功能。數(shù)輝基于 公開數(shù)據(jù)庫抗體 Fab 序列及結(jié)構(gòu)數(shù)據(jù)，開發(fā)了對抗體 Fab 區(qū)域的端到端結(jié)構(gòu)預(yù)測模型， 能夠基于序列信息對恒定區(qū)及可變區(qū)（CDR Loops）進行高精度的預(yù)測。模型可幫助研 究人員全面了解抗體的總體結(jié)構(gòu)和功能，提供抗體-抗原相互作用機制的見解，可應(yīng)用于 治療性抗體的設(shè)計、疫苗開發(fā)以及抗體性質(zhì)改造等場景。
RNA作為精確調(diào)控基因表達和蛋白質(zhì)合成的工具，對于疾病治療和生物工程非常有價值。數(shù)輝的RNA設(shè)計平臺利用尖端的深度生成模型的高效算法，深入解析RNA序列、結(jié)構(gòu)與功能，從而可以精準設(shè)計RNA分子，助力創(chuàng)新的醫(yī)藥研發(fā)和生物技術(shù)突破。平臺的序列生成方法能夠高比例生成具有活性的IRES序列，可用于簡化基因治療載體的設(shè)計，以及在合成生物學(xué)中構(gòu)建精密的基因電路等多種應(yīng)用。
涵蓋了基于AI模型的適配體二級結(jié)構(gòu)預(yù)測平臺、核酸-蛋白復(fù)合物三級結(jié)構(gòu)預(yù)測平臺、適配體-蛋白相互作用預(yù)測平臺以及分子模擬探索/驗證核酸-蛋白結(jié)合機制等功能。其中，適配體-蛋白相互作用預(yù)測平臺利用自然語言模型捕捉蛋白序列和適配體序列的高級特征以預(yù)測適配體與蛋白質(zhì)結(jié)合的可能性。該平臺利用了數(shù)輝自建的適配體相互作用數(shù)據(jù)庫訓(xùn)練，得到的適配體序列經(jīng)分子模擬驗證對突變敏感度高。適配體-蛋白相互作用預(yù)測平臺旨在為快速篩選可與靶標蛋白結(jié)合的適配體序列。
蛋白質(zhì)功能改造是通過改變其氨基酸序列或結(jié)構(gòu)來提升其特定功能的過程。數(shù)輝以蛋白質(zhì)的預(yù)訓(xùn)練語言模型為基礎(chǔ)，利用深度學(xué)習(xí)技術(shù)和內(nèi)外部數(shù)據(jù)集，結(jié)合了蛋白質(zhì)的大規(guī)模表征和圖網(wǎng)絡(luò)表示方法進行功能預(yù)測模型開發(fā)。改造同事結(jié)合動態(tài)構(gòu)象模型及分子模擬分析，對催化活性，熱穩(wěn)定性，親和力等蛋白功能進行預(yù)測，提升或改造，專注于對突變和特異度敏感的功能預(yù)測模型。
這包括提高酶的催化效率、增強蛋白質(zhì)的熱穩(wěn)定性、增加與目標分子的親和力及特異性等。以蛋白質(zhì)的預(yù)訓(xùn)練語言模型為基礎(chǔ)，數(shù)輝設(shè)計出對序列突變具有高特異性和靈敏度的蛋白質(zhì)性質(zhì)預(yù)測模型，協(xié)助開發(fā)更有效的生物催化劑和工業(yè)酶等。
蛋白質(zhì)成藥性相關(guān)屬性包括但不限于溶解度、聚集、半衰期、穩(wěn)定性、毒性、免疫原性等。通過多模態(tài)融合架構(gòu)的深度學(xué)習(xí)網(wǎng)絡(luò)，數(shù)輝能夠有效預(yù)測這些成藥性相關(guān)屬性，顯著提升了成藥性各屬性的預(yù)測的準確性和魯棒性。
針對特定的預(yù)測目標與不同的業(yè)務(wù)場景，組合數(shù)輝特色的分子模擬技術(shù)與動態(tài)構(gòu)象預(yù)測能力。從生成到預(yù)測再到改進，實現(xiàn)高通量覆蓋。基于數(shù)輝先進的多目標優(yōu)化算法，在單點、多點甚至是全位點上探索蛋白質(zhì)拓撲結(jié)構(gòu)的復(fù)雜性，實現(xiàn)蛋白功能優(yōu)化、酶活性改造的核心指標提升。
序列進化與溯源是揭示生命起源、理解生物多樣性和開發(fā)新型治療方法的關(guān)鍵研究方法。通過分析生物分子的序列信息，數(shù)輝可以追蹤基因和蛋白質(zhì)的演變過程，識別關(guān)鍵的進化事件，并預(yù)測未來的進化趨勢。生物序列的進化是通過突變、重組和選擇等機制推動的。這些機制在分子水平上產(chǎn)生了豐富的遺傳多樣性。通過比較不同生物體的基因或蛋白質(zhì)序列，揭示它們之間的進化關(guān)系。序列溯源在疾病研究、疫苗開發(fā)和生物技術(shù)等領(lǐng)域具有廣泛應(yīng)用。
