苗头化合物 发现服务
更快地发现更多元化的热门歌曲
概述
借助Schrödinger无与伦比的技术和深厚的专业知识，助力您的药物发现项目。我们将凭借专家团队和最先进的技术，开展超大规模虚拟筛选 以及大规模的严格重新评分，从而为您的苗头化合物 发现项目提供最大的成功机会。
借助无与伦比的技术和专业知识，推动您的探索计划
充分利用Schrödinger的苗头化合物 发现功能所带来的全部效益
• 我们的专家团队采用经过广泛验证的筛选 及重新评分工作流，这些工作流利用了Schrödinger的大规模部署的最新技术
• 服务涵盖所有计算资源、许可及服务时长，用于开展前沿的苗头化合物 识别活动，且无需预付许可或硬件费用
借助独特的重新评分技术，获得更多且质量更高的搜索结果
• 利用由机器学习（ML） 增强的ABFEP+技术，以无与伦比的精度对有前景的化合物进行重新评分
• 准确识别更多样化且活性更强的候选化合物，从而减少需要采购和检测的化合物数量
通过筛选 数十亿种化合物，最大限度地提高新颖性和多样性
• 同时采用基于结构和基于配体的方法，对包含超过 50 亿种化合物的商业化合物库（或片段筛选中超过 3 亿种化合物）进行筛选，以最大限度地增加识别出的独特阳性化合物数量
• 探索目前市面上规模最大的化合物库，以实现快速、可靠的采购，包括 Enamine REAL 和 WuXi LabNetwork
• 高效筛选您的专有或定制化合物库，以探索替代的化学空间
从可行性研究到采购清单
Schrödinger 在开发行业领先的虚拟筛选 技术方面拥有20多年的科研经验，这些技术被全球制药企业广泛应用。
通过持续的方法学开发工作，并结合在针对多种靶点的活跃药物发现项目中的广泛应用，我们的计算专家团队已优化了“苗头化合物 ”发现服务中提供的先进虚拟筛选 工作流程。
经过科学验证的虚拟解决方案筛选
-
利用分子对接 和深度学习对化学空间 进行高效探索。
Yang 等，《化学理论与计算杂志》（J. Chem. Theory Comput.），2021 年，17(11)，7106-7119。
-
通过绝对蛋白质-配体结合自由能计算，提升虚拟筛选 中的苗头化合物 药物发现效率。
Chen 等，《化学信息与建模杂志》（J. Chem. Inf. Model.），2023 年 ，第 63 卷，第 10 期，第 3171–3185 页。
-
针对苗头化合物 药物发现，对AlphaFold2的精炼结构与未精炼结构进行基准测试。
张等人。《化学信息与建模杂志》2023年 ，第63卷，第6期，第1656–1667页。
-
WScore：一种处理配体-受体相互作用中显式水分子时既灵活又精确的方法分子对接 。
Murphy 等，《医学化学杂志》 （J. Med. Chem.） ，2016 年 ，第 59 卷，第 9 期，第 4364–4384 页。