研究专题AIDD · 药物发现

02 / TARGETS · MOLECULES · EVIDENCE

AIDD · 药物发现

模型解决的是发现流程中的哪一步,结果还需要什么证据?

AI 辅助药物发现涉及不同尺度的任务:从靶点与分子相互作用,到细胞响应和候选验证。这里先串联已有的设计、对接和扰动分析内容,逐步建立方法导航。

从导读开始
AI DRUG DISCOVERY概念示意 · 02

01 / 建立研究脉络

从一个问题, 到下一步研究。

按问题逐步展开,也可以直接进入你正在关注的环节。

点击展开每一阶段 ↗
01从靶点和问题开始

先说明研究问题、靶点背景和数据来源,再确定要预测或设计的对象。

02检查结构与相互作用

阅读对接与设计结果时,记录结构来源、接触约束及其适用条件。

03连接细胞响应

将分子层面的预测与细胞扰动数据联系起来,区分剂量、时间和细胞类型等条件。

04拆开验证环节

结合、活性、选择性与其他验证环节回答不同问题;按具体实验和数据条件解读结论。

02 / READING

带着问题阅读

查看此专题文章 →
精选导读

BindCraft2 v1.0.4:抗体结合面、构象筛选与重跑指南

BindCraft2 v1.0.4调整抗体结合面、诱导契合与折叠切换筛选,并改善大体系和集群运行。结合官方示例,读懂计算结果的边界与重跑前的检查项。

阅读全文 → 4 分钟 · 中文正文

03 / RESOURCES

把阅读连接到实践

进入资源目录 →
02
分析工具

Pertpy

分析单细胞扰动实验,整理数据与元信息,比较细胞对遗传或药物等扰动的响应。

资源详情 →