JUN 11, 2026
生成式Glide ：用于现实世界药物发现的人工智能驱动超大规模虚拟筛选
在小分子发现领域，访问超大规模虚拟化合物库已不再是主要障碍——真正的难点在于从中筛选出有意义且可采购的先导化合物。在计算资源严重受限、IT基础设施要求复杂，以及传统分子对接 方法收益递减的背景下，对数十亿个化合物进行穷举筛选对大多数团队而言根本不切实际。
生成式Glide 通过目标导向的苗头化合物 搜索，运用生成式人工智能来克服这些挑战。该模型并非对每个分子进行穷举式分子对接 ，而是智能地在超大规模化学空间 中进行探索，从而生成高度多样化且可商业获取的化合物，这些化合物均符合您项目的具体标准。这种有针对性的方法能够可靠地在不同的化学类型中识别出高质量的先导化合物，为您的项目提供多样化的起点。
最重要的是，这种高效性使得不再需要庞大的计算集群。现在，您只需两天时间，就能在一台现代工作站上执行一次全面且目标明确的推广活动。
欢迎加入我们的活动，我们将不仅局限于幻灯片演示，还将现场演示整个工作流，展示生成式Glide 从设置到结果的实际应用表现。您将了解其与众不同之处、能带来哪些价值，以及在实际发现场景中它适合（或不适合）的应用场景。
主要亮点
- 生成式Glide 简介：我们的科学家将介绍如何利用Generative在不到2天的时间内筛选超大规模化合物库（多达500亿种化合物）Glide
- 对比分析：我们将展示基准测试数据，以说明与AL-相比，生成式Glide 如何在苗头化合物 的顶部质量和姿态多样性方面取得提升——Glide
- 亲眼见证：生成式Glide 演示——从设置到结果分析
适合哪些人参加
- 计算化学家和分子建模专家
- 从事小分子苗头化合物 药物研发的科学家，或先导化合物 优化
- 研发团队正在探索超大规模虚拟筛选 策略
- 寻求可扩展、高效的筛选 解决方案的药物研发领军企业
我们的演讲嘉宾
关南希
生命科学软件部二级高级科学家，Schrödinger
关兴义（Nancy）博士在加州大学伯克利分校师从特蕾莎·海德-戈登（Teresa Head-Gordon）教授，获得化学博士学位。她在该校专攻理论化学，在等变消息传递网络（equivariant message passing networks）和机器学习（ML） 反应力场领域做出了重要贡献。 她加入Schrödinger ，担任苗头化合物 发现团队的高级科学家，负责领导GenerativeGlide 的开发工作。该生成式人工智能工作流能够处理超大规模的化学空间 ，在无需庞大计算基础设施的情况下，发现多样且高质量的化合物候选物。在此职位上，她致力于研究提高生成化合物质量和多样性的方法，同时优化产品以提升用户在识别潜在药物候选物时的体验。
史蒂文·杰罗姆
小分子药物发现的全球产品组合先导化合物 ，Schrödinger
史蒂文·杰罗姆（Steven Jerome）博士是苗头化合物 Discovery的执行董事，同时担任Schrödinger 的欧盟及欧洲以外地区应用科学负责人。目前，他还担任小分子药物发现领域的全球产品组合负责人先导化合物 ，负责管理一个涵盖尖端计算工具的庞大商业产品组合，其中包括FEP+ 和Glide 等先进产品。史蒂文最初以科学开发人员的身份加入Schrödinger ，在Glide 团队工作，随后转入产品管理岗位。 他拥有哥伦比亚大学化学博士学位，师从理查德·弗里斯纳（Richard Friesner），在攻读期间开发了用于分子分子对接 和蛋白质结构优化 的工具。