Péptidos Antiedad e Ingeniería de Proteínas
✓ 已验证Buscando moléculas antiedad en el espacio 3D · 100% herramientas desplegadas y verificadas
Predicción de estructura 3D del objetivo con triple motor -> acoplamiento molecular + cálculo de afinidad -> diseño de plegamiento inverso de péptidos -> doble cribado de estabilidad + inmunogenicidad. Pipeline de 4 pasos con todas las herramientas desplegadas y verificadas, desde Protenix V2 hasta MHCflurry, 38 modelos SOTA ejecutándose localmente.
Lea "Capacidad Central" y "Benchmarks" a continuación--evalúe nuestra capacidad y precisión de cribado antiedad por computación en seco.
Enfoque en "Diferenciación", "Pasos del Pipeline", "Glosario"--evalúe la diferenciación del cribado computacional a nivel molecular.
Enfoque en "Diferenciación", "Benchmarks", "Trazabilidad de Capacidad"--evalúe las barreras de modelos de ingeniería de proteínas.
Qué es el Cribado de Proteínas/Péptidos
La I+D de péptidos antiedad consiste esencialmente en encontrar moléculas en el espacio 3D que se unan con precisión a las proteínas objetivo. Los métodos tradicionales dependen del cribado de alto rendimiento en laboratorio húmedo--ciclos largos, costos altos, tasas de acierto bajas. El cribado por computación en seco usa IA para predecir la estructura 3D de la proteína objetivo, luego simula el acoplamiento molecular in silico, y finalmente usa diseño de plegamiento inverso para generar secuencias de péptidos candidatos--comprimiendo la carga de trabajo del laboratorio húmedo en órdenes de magnitud.
DiVo usa tres motores independientes de predicción de estructura para validación cruzada--Protenix V2, ESMFold, Boltz-2--solo entrando al pipeline posterior cuando pLDDT>90. Desde acoplamiento, diseño hasta cribado de inmunogenicidad, pipeline de 4 pasos con 100% de herramientas desplegadas, 38 modelos SOTA ejecutándose localmente.
Un único modelo de predicción de estructura puede tener un rendimiento diferente según el tipo de proteína. Tres motores independientes predicen conjuntamente, solo entrando al pipeline posterior cuando pLDDT>90--cubriendo diferentes principios de modelado y espacios estructurales, asegurando puntos de partida fiables para el acoplamiento y diseño posteriores.
El diseño tradicional de péptidos depende de bibliotecas empíricas y mutaciones aleatorias, con eficiencia limitada y espacio de búsqueda restringido. ProteinMPNN/LigandMPNN ingenierizan secuencias óptimas a partir de bolsas de unión 3D--dada una estructura, encuentran la secuencia, generando directamente candidatos de alta afinidad.
El Rol de DiVo Gen²AI
El cribado de proteínas/péptidos es el producto central del servicio cuatro en uno de DiVo Pipeline B, y un paso clave en la I+D antiedad de marcas de cuidado piel funcional para el cribado por computación en seco desde objetivo hasta moléculas candidatas. Proporcionamos computación de extremo a extremo desde predicción de estructura 3D hasta candidatos de péptidos seguros--validación cruzada de triple motor, acoplamiento molecular, diseño de plegamiento inverso, doble cribado de estabilidad + inmunogenicidad, los 4 pasos con herramientas desplegadas.
No hacemos validación en laboratorio húmedo (las marcas confirman después del cribado por computación en seco), no hacemos acoplamiento de producción GMP (proporcionamos secuencias + estándares de QC), no garantizamos actividad in vivo (acoplamiento in silico ≠ eficacia in vivo). Entregamos secuencias de péptidos candidatos y estándares de QC listos para validación en laboratorio húmedo por la marca.
Capacidad Central · Pipeline de 4 Pasos
Pipeline B · Cribado de proteínas/péptidos · Todas las herramientas desplegadas y verificadas
Diferenciación
Diferencias clave con pipelines de ingeniería de proteínas de motor único/no desplegados
Pro-Prime Reemplaza FoldX--Estabilidad SOTA
Ya no se usa FoldX de 2005 (precisión 65-70%), sino que se despliega Pro-Prime+ProSST para predicción de ΔΔG. DDGun (método físico) como línea base de referencia--si Pro-Prime y DDGun discrepan, se sabe que es alucinación del modelo.
BoltzGen 5 Pesos Completos--Diseño de Todo Átomo
Los 5 pesos de BoltzGen (7.9G) completamente descargados, 529M parámetros. boltz2_aff.ckpt es la base arquitectónica de la predicción de afinidad DiVoPPIHead. Capacidad de diseño por difusión de todo átomo lista.
87 Herramientas Full-Stack Sin Inversión Adicional
Desde predicción de estructura hasta diseño de péptidos, evaluación de inmunogenicidad y diseño de entrega mRNA, 87 herramientas desplegadas localmente. No se necesita adquisición adicional ni esperar despliegue.
Benchmarks
Referencias de modelos y estado de despliegue de herramientas
| Métrica | Valor | Nota |
|---|---|---|
| Protenix V2 pLDDT | 95.4 | Precisión de predicción de estructura |
| BoltzGen | 5 pesos 7.9G completos | Diseño por difusión de todo átomo, 529M parámetros (boltz2_aff) |
| Pro-Prime ΔΔG | SOTA | Herramienta principal de predicción de estabilidad reemplazando FoldX |
| ProteinMPNN | >52% | Tasa de recuperación de secuencia (referencia de literatura) |
| Pre-cribado de inmunogenicidad | AUROC=0.7547 | MHCflurry+NetMHCpan (benchmark TESLA) |
| Herramientas desplegadas | 87 | Tres proyectos satélite con herramientas localizadas |
Límites Honestos
Lo que podemos y no podemos hacer, claramente establecido
Lo Que Podemos Hacer
Lo Que No Hacemos
Glosario
7 términos clave en cribado de proteínas/péptidos
| Abrev. | Nombre Completo | Traducción | Explicación |
|---|---|---|---|
| pLDDT | predicted Local Distance Difference Test | Puntuación de Prueba de Diferencia de Distancia Local Predicha | Métrica de confianza de predicción de estructura de modelos tipo AlphaFold, escala 0-100, >90 indica estructura altamente fiable |
| ΔΔG | Delta Delta G | Cambio de Energía Libre de Unión | Métrica que mide la fuerza de unión proteína-ligando, ΔΔG más negativo indica unión más fuerte. Pro-Prime es la herramienta SOTA actual de predicción |
| Pro-Prime | Pro-Prime | SOTA de Predicción de Estabilidad de Proteínas | Modelo de nueva generación que reemplaza FoldX (2005, precisión 65-70%), mejora significativa en precisión |
| BoltzGen | BoltzGen | Diseño de Proteínas por Difusión de Todo Átomo | Modelo de diseño de proteínas de código abierto del MIT, 5 pesos (7.9G) completos. boltz2_aff contiene AffinityModule de 529M parámetros |
| ProteinMPNN | Protein Message Passing Neural Network | Red Neuronal de Paso de Mensajes de Proteínas | Modelo de diseño de plegamiento inverso de proteínas, genera secuencia de aminoácidos óptima a partir de esqueleto 3D, tasa de recuperación >52% |
| GEMORNA | GEMORNA | Modelo de Diseño de Secuencias mRNA | Modelo de diseño de secuencias mRNA ajustado por DiVo,配合 RNALens predicción de estabilidad + UTRGAN optimización UTR |
| MMP | Matrix Metalloproteinase | Metaloproteasa de Matriz | Clase de endopeptidasas dependientes de zinc, frecuentemente usadas como objetivos en cribado de péptidos antiedad, regulan la degradación de la matriz extracelular |
CAPACITY TRACE
能力回溯
这项服务由哪些能力支撑——从硅片到你的场景
硅片(L1) → 模型(L2) → Agent(L3) → 管线(L4) → 你的场景