기능 소개
합성 우선순위를 선정하세요
- 인공지능을 이용하여 약물-단백질 결합 에너지를 예측합니다.
- 예측값(Binding score)이 작을수록 활성을 나타낼 확률이 높습니다.
- Binding score가 -10 kcal/mol인 분자가 -8 kcal/mol인 분자에 비해서 활성을 보일 확률이 높습니다.
- 위 과정을 몇 번의 클릭만으로 손쉽게 수행할 수 있습니다.
도킹보다 쉽고 정확합니다
수백만 개의 약물-단백질 데이터 및 결합구조를 이용하여 보다 강력하며 Docking과 다르게 실험 연구자들도 손쉽게 사용할 수 있습니다.
|
하이퍼 바인딩 |
도킹 |
parameter 수 |
~수백만 개 |
10-20개 |
핵심 기술 |
물리-딥러닝 융합 기술 |
간단한 물리 법칙 |
접근성 |
실험 연구자들도 손쉽게 사용 |
CADD 전공자들 위주 |
정확도 |
높음 |
상대적으로 낮음 |
실험과 높은 correlation을 보입니다
하이퍼 바인딩은 기존 docking뿐 아니라 다른 딥러닝 모델에 비해서도 실험값과 높은 correlation을 보입니다.
3차원 결합구조를 시각화할 수 있습니다
- 한 번의 클릭으로 3차원 구조 시각화는 물론 단백질과의 상호작용을 분석할 수 있습니다.
- 이를 통해 활성을 개선하기 위한 분자설계 아이디어를 얻을 수 있습니다.
하이퍼 바인딩 인공지능 모델
- 하이퍼 바인딩은 자체 개발한 물리-딥러닝 융합 AI모델을 사용합니다.
- 물리적 원리를 딥러닝에 결합하여 적은 데이터를 사용함에도 높은 예측 성능을 보여줍니다.
- 하이퍼 바인딩은 더 정교한 물리적 원리와 더 많은 데이터를 학습하며 계속해서 정확해지고 있습니다.