AI 코폴딩
Boltz-2로 복합체 3D 구조와 결합 친화도 예측
단백질 서열과, 필요하면 리간드·DNA·RNA를 넣으면 Boltz-2가 이들이 어떻게 접히고 맞물리는지 예측합니다.
- 입력
- 서열, 구조, SMILES
- 출력
- 3D 복합체, 신뢰도, 친화도
- 엔진
- Boltz-2
- 비용
- 100 cr부터, 제출 전 견적
워크플로우
구조 예측과 도킹부터 활성 예측, 화합물 생성까지, 연구 목적에 맞는 워크플로우를 골라 바로 실행해 보세요.
가상 스크리닝
대규모 화합물 도킹으로 히트 후보 선별
단백질 구조와 화합물 목록을 넣으면 화합물마다 결합 포켓에 도킹해 점수를 매깁니다. 점수, 약물 유사성, 구조 계열로 거를 수 있는 순위표를 드려, 실험 전에 무엇부터 살지 정할 수 있습니다.
- 입력
- 구조 + 화합물
- 출력
- 포즈, 점수, 클러스터
- 엔진
- GNINA
- 비용
- 화합물당 1 cr
TSAP (Boltz-2)
Boltz-2를 미세 조정한 타깃 특화 활성 예측
타깃 하나에 대해 내 화합물이 얼마나 활성일지 예측합니다. 이미 타깃에 맞춰 둔 사전 학습 모델을 쓰거나, 내 활성 데이터로 직접 학습할 수 있습니다.
- 입력
- 타깃 + 활성 데이터, 또는 사전 학습 모델
- 출력
- 예측 활성, 모델 품질
- 엔진
- Boltz-2
- 비용
- 100 cr부터, 제출 전 견적
TSAP (AI-QSAR)
피처별로 읽을 수 있는 도킹 기반 활성 예측
도킹을 바탕으로 만든 QSAR 모델로 타깃 하나에 대한 화합물의 활성을 예측합니다.
- 입력
- 활성 데이터, 또는 사전 학습 모델
- 출력
- 예측 활성, 피처 영향
- 엔진
- GNINA, PLIP, scikit-learn
- 비용
- 100 cr부터, 제출 전 견적
화합물 생성
효과가 있는 뼈대는 남기고 나머지를 새로 붙입니다
기준 화합물에서 남길 부분을 고르면, 떼어낸 자리마다 생성 모델이 새 조각을 제안합니다. 물성이 함께 붙은 화합물 목록을 받아 내려받거나, 도킹과 활성 예측에 그대로 넣을 수 있습니다.
- 입력
- 화합물 하나와 남길 뼈대
- 출력
- 새 화합물과 물성
- 엔진
- REINVENT4 LibInvent
- 비용
- 잡당 10 cr, 개수와 무관