小分子药物通过与靶标蛋白结合实现治疗作用。然而：
1、实验筛选成本高、周期长：高通量筛选需上万分子对接
2、结合位点预测困难：蛋白口袋柔性变化大，易漏检
3、脱靶效应难预测：小分子可能与多个蛋白结合，传统方法无法评估
如何在早期精准筛选候选小分子并预测结合机制，是新药研发中的核心挑战。
致一生物构建了集成 AlphaFold3、AutoDock Vina 与 AI辅助打分的蛋白-小分子互作智能筛选平台，支持正向（靶点→药物）与反向（药物→靶点）虚拟筛选。
| 模块 | 技术工具 | 功能说明 |
| 蛋白结构预测 | AlphaFold3 | 生成高质量靶标结构（支持突变建模） |
| 口袋识别与构象采样 | AutoSite + 分子动力学 | 精确识别结合口袋与动态构象变化 |
| 三轮虚拟筛选 | AutoDock Vina | 精度逐级提升（exhaustiveness 8→128） |
| 精细对接（可选） | NeuralPlex | 深度学习优化结合位点和亲和力 |
| 多维打分 | 结合自由能、残基能量分布等 | 排序结合模式，辅助筛选优先候选 8→128） |
1、输入蛋白结构（AF3预测或客户提供）
2、构建或导入小分子化合物库（支持SDF/SMILES）
3、多轮虚拟筛选：初筛、次筛、精筛
4、结合构象可视化与能量打分分析
5、可选：NeuralPlex模型对最佳结合构象进一步微调与预测ADMET趋势
1、Top候选小分子列表（含结构图、结合能打分）
2、结合构象PDB + 图示（残基互动网络图）
3、报告说明每个分子的结合位点、氢键等作用力
