AI + 计算化学 + 药物设计
Bian-LAB-人工智能辅助药物设计实验室
我们致力于利用人工智能与计算化学方法，加速药物发现与设计流程。通过深度学习、分子模拟与大数据分析，推动创新药物研发。
Research
研究方向
我们围绕前临床药物发现构建可复用的药物设计工作流程，包括靶点识别、苗头分子发现、苗头分子到先导化合物的优化、分子表示、虚拟筛选和实验验证。
基于人工智能的药物设计
利用深度学习和机器学习方法，加速候选药物的筛选与优化，提高药物设计的效率和准确性。
计算化学
通过分子模拟和量子化学计算，深入理解药物与靶点的相互作用机制。
计算生物学
整合建模与模拟方法，全面构建靶标系统的结构-功能框架。
药物化学
结合计算与实验手段，设计和优化具有高活性和良好药代性质的先导化合物。
靶向药物发现
基于靶点结构和功能特征，精准筛选和设计靶向治疗药物。
基于人工智能的药物设计
利用深度学习和机器学习方法，加速候选药物的筛选与优化，提高药物设计的效率和准确性。
计算化学
通过分子模拟和量子化学计算，深入理解药物与靶点的相互作用机制。
计算生物学
整合建模与模拟方法，全面构建靶标系统的结构-功能框架。
药物化学
结合计算与实验手段，设计和优化具有高活性和良好药代性质的先导化合物。
靶向药物发现
基于靶点结构和功能特征，精准筛选和设计靶向治疗药物。
团队成员
跨学科团队覆盖人工智能、药物化学、计算化学、计算生物学和平台工程。
技术支持人员
平台开放