數輝自研的深度生成式AI模型的蛋白質動態結構預測模型（DeepConformer）基于深度生成式AI算法，能夠從蛋白質序列出發直接預測出蛋白質三維結構的動態構象。我們的動態構象預測算法可以快捷地獲取蛋白質分子的動態特征，并直接應用于基于蛋白質構效關系的蛋白質設計流程，以及蛋白質理化性質預測優化等多種任務場景。
數輝自研的蛋白生成平臺充分利用深度生成模型的強大建模能力，深入研究蛋白質序列的進化規律和隱含關系，以期為藥物設計、酶工程等領域提供全方位的解決方案。通過生成具備多樣性和自然物理特性的序列變體，平臺為未來藥物研發、生物工程等領域的創新和發展奠定了堅實基礎。
數輝綜合使用多種分子動力學模擬方法，獲取蛋白質分子的動態特征，探索蛋白質分子的活性位點和功能機制。通過構建構象與功能機制之間的聯系，助力生物分子的設計和優化。蛋白質分子模擬在提供以及輔助生成蛋白質構象、蛋白質與其他分子的活性位點和相互作用機制研究、蛋白質穩定性預測和蛋白質親和力計算等多種應用場景中均能發揮作用。
抗體的 Fab 區域（片段抗原結合區）是抗體上與抗原結合的區域。由重鏈和輕鏈各一個 恒定結構域和一個可變結構域組成，執行一系列對免疫反應至關重要的功能。數輝基于 公開數據庫抗體 Fab 序列及結構數據，開發了對抗體 Fab 區域的端到端結構預測模型， 能夠基于序列信息對恒定區及可變區（CDR Loops）進行高精度的預測。模型可幫助研 究人員全面了解抗體的總體結構和功能，提供抗體-抗原相互作用機制的見解，可應用于 治療性抗體的設計、疫苗開發以及抗體性質改造等場景。
RNA作為精確調控基因表達和蛋白質合成的工具，對于疾病治療和生物工程非常有價值。數輝的RNA設計平臺利用尖端的深度生成模型的高效算法，深入解析RNA序列、結構與功能，從而可以精準設計RNA分子，助力創新的醫藥研發和生物技術突破。平臺的序列生成方法能夠高比例生成具有活性的IRES序列，可用于簡化基因治療載體的設計，以及在合成生物學中構建精密的基因電路等多種應用。
涵蓋了基于AI模型的適配體二級結構預測平臺、核酸-蛋白復合物三級結構預測平臺、適配體-蛋白相互作用預測平臺以及分子模擬探索/驗證核酸-蛋白結合機制等功能。其中，適配體-蛋白相互作用預測平臺利用自然語言模型捕捉蛋白序列和適配體序列的高級特征以預測適配體與蛋白質結合的可能性。該平臺利用了數輝自建的適配體相互作用數據庫訓練，得到的適配體序列經分子模擬驗證對突變敏感度高。適配體-蛋白相互作用預測平臺旨在為快速篩選可與靶標蛋白結合的適配體序列。
蛋白質功能改造是通過改變其氨基酸序列或結構來提升其特定功能的過程。數輝以蛋白質的預訓練語言模型為基礎，利用深度學習技術和內外部數據集，結合了蛋白質的大規模表征和圖網絡表示方法進行功能預測模型開發。改造同事結合動態構象模型及分子模擬分析，對催化活性，熱穩定性，親和力等蛋白功能進行預測，提升或改造，專注于對突變和特異度敏感的功能預測模型。
這包括提高酶的催化效率、增強蛋白質的熱穩定性、增加與目標分子的親和力及特異性等。以蛋白質的預訓練語言模型為基礎，數輝設計出對序列突變具有高特異性和靈敏度的蛋白質性質預測模型，協助開發更有效的生物催化劑和工業酶等。
蛋白質成藥性相關屬性包括但不限于溶解度、聚集、半衰期、穩定性、毒性、免疫原性等。通過多模態融合架構的深度學習網絡，數輝能夠有效預測這些成藥性相關屬性，顯著提升了成藥性各屬性的預測的準確性和魯棒性。
針對特定的預測目標與不同的業務場景，組合數輝特色的分子模擬技術與動態構象預測能力。從生成到預測再到改進，實現高通量覆蓋。基于數輝先進的多目標優化算法，在單點、多點甚至是全位點上探索蛋白質拓撲結構的復雜性，實現蛋白功能優化、酶活性改造的核心指標提升。
序列進化與溯源是揭示生命起源、理解生物多樣性和開發新型治療方法的關鍵研究方法。通過分析生物分子的序列信息，數輝可以追蹤基因和蛋白質的演變過程，識別關鍵的進化事件，并預測未來的進化趨勢。生物序列的進化是通過突變、重組和選擇等機制推動的。這些機制在分子水平上產生了豐富的遺傳多樣性。通過比較不同生物體的基因或蛋白質序列，揭示它們之間的進化關系。序列溯源在疾病研究、疫苗開發和生物技術等領域具有廣泛應用。
