PSMA 靶向配体 AI 辅助设计
以 PSMA-617 linker 优化为主案例,完成口袋确认、姿态预测、质量门禁和候选优选。
准备研究对象
选择蛋白结构与具有直接证据的匹配配体
来源 8BOW;QYF/水/糖链已隐藏,催化 Zn 与结构 Ca 保留。
默认使用封存参考配体定义的 PSMA 位点,也可改用 Fermi Pocket 自动预测或手工中心。
这些计算不替代真实 ADME、毒性、血浆蛋白结合、内化或体内分布实验。
PSMA-617 linker 优化
保持 PSMA 结合头,通过有限结构修改比较 linker 构象与脂溶性。P17:naphthyl → styryl;P18:在 P17 基础上 cyclohexyl → phenyl。
研究分析流程
输入确认后,系统生成姿态,并通过独立评分与质量门禁形成 shortlist 证据
识别潜在结合位点、口袋中心与关键残基
预测候选配体在口袋中的三维结合姿态
输出姿态质量、亲和倾向与候选优先级分值
检查 RMSD、键长/碰撞、口袋覆盖与关键接触恢复
每项结果都会保留模型版本、输入参数和原始产物;Fermi Score 的各项分值独立展示,不会自动换算成实验 Kd、IC50 或 ΔG。
完整研究流程
提交后自动执行,并持续更新每个模型阶段的进度。
研究分析完成
所有结果已标注模型来源
线性多肽研究
从目标蛋白序列生成候选多肽,再基于蛋白 PDB 预测复合物姿态。
候选序列生成
输入目标蛋白氨基酸序列,生成线性多肽候选
复合物姿态预测
选择蛋白 PDB 和一条候选多肽进行预测
一期不提交环肽真实设计任务;后续将独立评估专用生成模型、闭环几何约束和实验验证流程。
前沿研究文献
预置多肽生成、蛋白—多肽对接和环肽设计的代表性研究,用于说明能力建设依据。
多肽批量研究
围绕同一个蛋白 PDB,按顺序预测多条线性多肽候选的复合物姿态。
小分子批量筛选
选择一个目标蛋白和多个候选小分子,用同一模型流程完成分析与排序。
选择目标蛋白
一个批次围绕同一个靶点展开,结果可以直接横向比较
勾选靶点匹配配体
每个候选都有直接共晶结构证据;结果用于同靶点结构比较和模型优先级排序
批量分析进行中
正在依次处理所选候选配体
任务记录与研究溯源
每次研究都保存输入摘要、模型版本、阶段状态与可下载产物。
研究论文智能体
用中文或英文提问,系统从论文摘要库检索证据并给出带引用的科研总结。