Infinite Intelligence
Pharma

Insight & Innovation for Drug Discovery

深思明辨,百药可成

公司简介

      北京英飞智药科技有限公司(以下简称“英飞智药”), 2019年6月正式运营,是一家以创新药物为目标,以人工智能为驱动的初创公司。英飞智药在新药研发中充分利用并持续发展先进的AI药物发现技术,打造自主知识产权的AI+新药研发平台——智药大脑TM。智药大脑是集顶级专家人才、一流AI+新药研发平台、前沿药物设计方法一体的药物发现系统。英飞智药拥有业界领先的候选药开发成功率,致力于高效批量开发自主创新药物品种,同时也为医药企业的新药研发提供先进的技术服务和解决方案。

智药大脑

自主知识产权的新药研发系统——智药大脑(PharmaMind)

利用先进的人工智能药物研发技术(AIDD)融合计算机辅助药物设计技术(CADD)助推中国乃至世界新药研发的跨越式发展,成为引领医药产业未来发展方向的卓越企业。

为了在大数据的信息时代发挥出专家和技术的最大价值,该系统以数据、专家、技术为核心驱动,利用融合的AIDD和CADD等智能化技术来辅助专家理解问题,深悉问题,从而解决问题。

技术与产品

分子探索3D
MolExplorer3D

分子优化3D
MolOptimizer3D

分子搜索
MolSearcher

分子评估
MolEvaluator

分子探索3D
MolExplorer3D

分子优化3D
MolOptimizer3D

分子搜索
MolSearcher

分子评估
MolEvaluator

虚拟筛选
MolDOCKingVS

逆合成分析
MolSynthesize

互动分子设计
MolInteractive

分子数据挖掘
MolDataMiner

虚拟筛选
MolDOCKingVS

逆合成分析
MolSynthesize

互动分子设计
MolInteractive

分子数据挖掘
MolDataMiner

分子探索3D
MolExplorer3D
  • 有效地探索能够与特定靶标具有潜在结合作用的化合物骨架,激发药物设计人员灵感,开阔设计思路;
  • 能利用深度学习技术基于靶标结构进行分子生成。对于一个靶标结构,寻找潜在结合位置,提供潜在结合小分子线索。在生成过程中考虑小分子与靶标的结合信息,获得结果类药性好,潜在结合能力高的配体化合物;
  • 该功能可直接使用,寻找潜在苗头小分子骨架,尤其适用于全新靶标的药物设计,也可配合已知活性的苗头分子,帮助确定关键相互作用。
分子优化3D
MolOptimizer3D
  • 获得更有可能成药的先导/候选化合物分子;
  • 基于靶标结构,在提高结合能力的基础上,评估化合物的成药性和可合成性,缩短实际反馈所需的资源和时间;
  • 对于苗头分子/先导分子结构进行优化改造,提高生物活性,改善药代动力学性质,降低毒性,获得安全有效,具有后续开发价值的候选药物。
分子优化3D
MolOptimizer3D
  • 获得更有可能成药的先导/候选化合物分子;
  • 基于靶标结构,在提高结合能力的基础上,评估化合物的成药性和可合成性,缩短实际反馈所需的资源和时间;
  • 对于苗头分子/先导分子结构进行优化改造,提高生物活性,改善药代动力学性质,降低毒性,获得安全有效,具有后续开发价值的候选药物。
逆合成分析
MolSynthesize
  • 在很多情况下,只能获得有活性小分子的实验数据,没有相关靶标的结构信息。在此基础上可使用基于配体的方法进行探索或者优化,设计推导潜在活性小分子;
  • 使用基于深度学习的多维度相似性指标,扩展搜索化学空间,依据问题要求对原来的骨架进行修饰,或者获取全新骨架。
分子评估
MolEvaluator
  • 结构决定性质,化合物的性质在前期如果能够早一步考虑,将事半功倍;
  • 使用融合了人工智能和计算机辅助药物设计的多种模型,对于一个化合物的多维度性质进行评价,包括理化性质、ADMET性质、成药性、可合成性,对接打分和药效团匹配打分等等;
  • 这些性质分别对应着不同应用场景。准确的评估结果有助于极大提高药物研发的成功率。
分子评估
MolEvaluator
  • 结构决定性质,化合物的性质在前期如果能够早一步考虑,将事半功倍;
  • 使用融合了人工智能和计算机辅助药物设计的多种模型,对于一个化合物的多维度性质进行评价,包括理化性质、ADMET性质、成药性、可合成性,对接打分和药效团匹配打分等等;
  • 这些性质分别对应着不同应用场景。准确的评估结果有助于极大提高药物研发的成功率。
虚拟筛选
MolDOCKingVS
  • 锁钥模型衍生出应用对接的虚拟筛选,易于理解;
  • 基于结构的药物设计能够利用受体的空间信息,限制配体的搜索范围,充分利用受体结构和已知受体配体复合物提供的信息,寻找其他能够与受体结合的配体化合物。结合了人工智能的虚拟筛选能够快速地对超大规模化合物库进行筛选,提高获得高活性化合物的概率;
  • 对于全新靶标来说,基于结构的药物筛选仍然是获得苗头小分子的重要途径,保证虚拟筛选的成功率和实用性是其中的关键技术。
逆合成分析
MolSynthesize
  • 把设计图纸中的分子变成实际分子。在全新分子生成和化合物改造过程中,绝大多数设计的分子都难以合成,解决所设计分子的合成问题,从纸面设计到实际验证的关键;
  • 基于快速启发式强化树搜索算法的逆合成分析帮助合成人员安排实验顺序,更快获取化合物;
  • 评价化合物的可合成性和潜在合成方式,是进行决策的重要步骤。
逆合成分析
MolSynthesize
  • 把设计图纸中的分子变成实际分子。在全新分子生成和化合物改造过程中,绝大多数设计的分子都难以合成,解决所设计分子的合成问题,从纸面设计到实际验证的关键;
  • 基于快速启发式强化树搜索算法的逆合成分析帮助合成人员安排实验顺序,更快获取化合物;
  • 评价化合物的可合成性和潜在合成方式,是进行决策的重要步骤。
互动分子设计
MolInteractive
  • 人工智能的发展仍然处于比较初级的阶段,使用专家智能与机器智能交互的方式,是提高设计成功率的理想方式;
  • 人机结合极大提升了设计效率,达到了显著的1+1>2的效果,并使设计过程稳健可控。
分子数据挖掘
MolDataMiner 
  • 书读百遍,其义自见。药物发现领域已经具有了丰富的公开信息资源,利用人工智能辅助,深入收集挖掘,建立人脑难以获取的药物信息学知识图谱;
  • 结合了先进的深度学习技术(自然语言处理技术,图像识别技术,图神经网络技术等),精心设计的用户交互,友好舒适;
  • 从大数据中挖掘重要信息构建知识图谱。
分子数据挖掘
MolDataMiner 
  • 书读百遍,其义自见。药物发现领域已经具有了丰富的公开信息资源,利用人工智能辅助,深入收集挖掘,建立人脑难以获取的药物信息学知识图谱;
  • 结合了先进的深度学习技术(自然语言处理技术,图像识别技术,图神经网络技术等),精心设计的用户交互,友好舒适;
  • 从大数据中挖掘重要信息构建知识图谱。

团队成员

裴剑锋 博士

裴剑锋 博士

创始人

团队成员

徐优俊 博士

徐优俊 博士

首席技术官

团队成员

侯石 博士

侯石 博士

新药研发总监

团队成员

张伟林 博士

张伟林 博士

首席科学家

团队成员

邓文钊

邓文钊

IT负责人

团队成员

裴剑锋 博士

创始人

徐优俊 博士

首席技术官

侯石 博士

新药研发总监

张伟林 博士

首席科学家

邓文钊

IT负责人