在竞争激烈的环境中，生物制剂项目的成功取决于能否尽早识别出高质量的候选药物。传统的实验性筛选 方法往往存在局限性，例如仅针对蛋白质的单一功能、存在潜在风险，或者苗头化合物 率相对较低。Schrödinger的蛋白质设计工具包，依托 ProteinFEP+ 亲和力驱动，提供了一种快速构思和评估一流治疗药物多项关键特性的方法。通过采用先进且易于使用的计算机辅助设计（in silico）方法进行计算药物发现（优化 ），生物学家可以降低分子开发风险并提高实验成功率（苗头化合物 rates）。亲和力、pH依赖性、特异性 、稳定性、可开发性等特性均可通过计算机辅助设计进行评估，从而更高效地对分子进行优先级排序，并以超过4倍的开发周期加速速度交付更优质的生物制剂。

欢迎参加我们即将举办的网络研讨会，了解如何利用先进的计算机模拟方法降低分子研发风险，并提高实验成功率。

重点内容：

• 《高级计算机模拟方法导论：现代高保真度基于结构的建模概述》生物制剂发现
• 如何降低风险并优化苗头化合物 测序价格：高精度计算优先级排序如何确保您仅将实验室时间投入到最具潜力的候选基因上
• FEP+ 生物学家入门指南：了解基于物理理论 工作流程，用于跨多种模态的高精度亲和力 和稳定性预测
• 实际应用演示：在真实设计场景中，对in silico先导化合物 优化 以及残基扫描工作流的详细演示

适合哪些人参加：

• 实验室生物学家和蛋白质工程师正在寻找易于使用且全面的模型，以突破经验方法的局限筛选
• 当前的 MM-GBSA 用户希望获得更高精度的预测结果，以识别更优异的变体并获得竞争优势
• 致力于研发一流生物制剂并加速其进入临床阶段的研发总监和副总裁
• 有兴趣通过高精度、基于结构的设计工作流程实现研究现代化的首席研究员