独特的“双引擎驱动”

人工智能赋能，量子化学求真

FMO 第一性原理计算

物理计算核心
 拒绝经验参数，直接基于量子力学在电子层面计算片段相互作用能(IFIE)。
为筛选提供符合物理定律的金标准验证。

SHAP 可解释大模型

人工智能核心
 引入博弈论方法，量化并可视化每一个原子对活性的贡献值。
让设计从猜测走向理性洞察。

AICre 分子发现 DeepCre 实验中心
AI Quantum Drug Discovery

全流程数据智能引擎

ISO 10993-5 标准

标准治理与双盲验证

基于几何深度学习与主动学习的工业级数据闭环

多模态知识图谱构建
“打破数据孤岛，
构建百亿级医药知识大脑。”
Multi-modal Knowledge Graph
多源异构数据融合
核心定义：
利用大语言模型（LLM）技术，对全球专利、文献、临床数据进行语义级对齐，构建异构图神经网络。
硬核技术：
BioBERT + NER，自动抽取化合物-靶点-通路关系。
数据融合：
打通三大数据孤岛
即ChEMBL(活性)、PubChem(物化)、Patents(专利)
挖掘量4M+
精度99.2%
高保真化学治理
“垃圾进，垃圾出？
我们只喂给AI最纯净的‘燃料’。”
High-Fidelity Chemical Curation
30% 需清洗
70% 高质量
核心定义：
基于 QSAR-Ready 工业金标准，
执行比学术界严格 10 倍的化学结构清洗流程。
硬核技术：
自动化清洗流水线，
包括互变异构体（Tautomer）标准化、
立体化学修正、脱盐与中和。
红线标准：
引入 ISO 10993-5 医疗器械级毒性标准，
将细胞存活率 <70% 的数据标记为“绝对负样本”。
可用性99.9%
标准QSAR-Ready
AI 分子表征学习
“超越传统指纹，
让AI像化学家一样‘看懂’分子。”
Molecular Representation Learning
1D
SMILES
+
2D
Graph
+
3D
Conf.
核心定义：
抛弃传统的 0/1 指纹，采用图神经网络（GNN）与预训练大模型，
直接从分子图结构中提取高维特征。
预训练模型：
引入 MolCLR 或 ChemBERTa，
在千万级无标注分子上预学习化学语法。
几何深度学习：
结合 3D 构象信息，
计算 Geodesic Distance Matrix，捕捉空间位阻效应。
维度2048-D
增益+40%
集成预测与主动学习
“不只看准确率，
更看实战中的‘富集’能力。”
Ensemble Modeling & Active Learning
Train
→
Valid
→
OOD Test
核心定义：
针对“小样本”和“非平衡”难题，
采用集成学习策略与骨架划分验证。
骨架划分：
强迫模型去预测从未见过的分子骨架，
模拟真实世界的研发场景。
不确定性量化：
输出“置信度”，
通过主动学习优先筛选高置信度分子送湿实验。
EF1%>30
AUC0.95+
SHAP 可解释性归因
“拒绝 AI 黑盒，
把预测结果翻译成药学专家能懂的语言。”
XAI & SAR Decoding
Pharmacophore
H-Bond
核心定义：
利用博弈论（Game Theory）思想， 生成可视化的原子贡献热力图。
SHAP Values：
计算每个基团（如硝基、卤素）对活性/毒性的正负贡献值。
价值体现：
直接指导优化，告诉化学家“去掉这个甲基”或者“保留这个芳香环”等等。
归因Atom-Level
黑盒透明化
Dual-Track Strategy

全域药物设计策略

针对靶点结构已知与未知的不同场景，我们提供适配的解决方案，规避传统方法的局限性。

获取技术白皮书

SBDD 基于结构设计

Cryo-EMActive Site
  • 原子级精度：提供靶蛋白的 Atomic-level 细节，促进精准药物设计。
  • 靶点特异性：设计专门与 Active Site (活性位点) 相互作用的分子。
  • 机制洞察：解析结合机制，预测分子修饰对结合亲和力的影响。

LBDD 基于配体设计

SAR AnalysisNo Structure
  • 无结构依赖：当靶蛋白结构未知或难以结晶时，直接利用现有活性配体数据。
  • SAR 分析：构建构效关系 (SAR)，识别负责生物活性的关键特征。
  • 高效率：相比 SBDD 计算资源消耗更低，适合大规模快速筛选。

自研双引擎：生成与验证的闭环

将 SBDD/LBDD 策略内化为算法，并用 ISO 标准数据流驱动

GenelP 1.3 DESIGN

Generative Intelligent Pharmaceuticals

专为解决传统设计中“局限于已知化学空间”的痛点而生。GenelP 能够突破现有专利壁垒，发现人类专家未曾探索的全新骨架 (Novel Scaffolds)。

核心能力 (基于 Rational Optimization)
Rational Optimization 基于靶点结构的理性优化，提高疗效并减少副作用。
Novel Scaffolds 利用生成模型识别传统方法无法发现的全新分子骨架。
Bias Mitigation 克服 LBDD 对已知化学型的依赖偏见，拓展化学空间。

ChscIP 1.2 VALIDATION

Chemistry Screening Intelligent Platforms

基于严苛数据流构建的高精度预测引擎。ChscIP 将 ISO 标准与可解释性 AI 结合，解决了传统预测中“黑盒”与“泛化性差”的问题。

数据与验证逻辑 (源自实测数据流)
ISO 10993-5 标准 严格遵循 ISO 标准，将细胞存活率 < 70% 判定为毒性红线。
Feature Engineering 构建 4 个连续特征 + 32 个分类特征，转化为 Dummy Features 输入模型。
Proof of Generalizability 采用嵌套交叉验证 (Nested Cross-Validation) 与独立外部验证 (External Validation) 双重保险。
SHAP Values 输出 SHAP 值以识别关键属性 (Key Attributes)，实现可解释性预测。
Standard Workflow

AI 赋能 · 标准化药物研发 SOP

从靶点发现到临床前候选化合物(PCC)

01
靶点识别与确证

Target Identification

AI 分析：组学生物信息分析
湿实验：多组学检测
02
成药性评估

Druggability Assessment

AI 预测: 口袋与变构位点预测
湿实验: SPR/BLI 亲和力初筛
03
结构建模与准备

Structure Preparation

AI 建模: AlphaFold2/3复合物预测
湿实验: Cryo-EM 冷冻电镜和蛋白结晶
04

苗头发现

Hit Discovery
AI 核心介入点：生成与筛选双引擎
Path A: De Novo 从头设计

突破专利壁垒，创造全新骨架

生成模型 (SBDD) 骨架跃迁 FBDD 片段组装
AI: 生成 10^6 级高潜分子库
AI: SA Score (合成可及性) 过滤
Path B: 超大规模虚拟筛选

从亿级库中挖掘现有活性分子

DEL 库筛选 药效团匹配 超快对接
AI: 10亿+ 分子库秒级处理
AI: 3D-CNN 构象打分
05
先导化合物优化

Lead Optimization (Hit-to-Lead)

AI 如何加速优化？
FEP 自由能微扰:
 达到化学精度 (1 kcal/mol) 的亲和力计算，替代昂贵合成。
多目标优化 (MPO):
 动态平衡 活性 / 溶解度 / 毒性 / 代谢稳定性。
ADMET 实验: 肝微粒体代谢、膜通透性(PAMPA)
安全性评价: hERG 心脏毒性、Ames 遗传毒性
06
湿式实验与 PCC 确立

In Vitro / In Vivo Validation

DeepCre 实验中心交付：
我们提供从分子合成到动物模型的全链条数据交付，确保数据可回溯。
动物药效: CDX/PDX 小鼠模型、肿瘤抑制率
PK/PD: 药代动力学参数 (半衰期, 生物利用度)

自研管线

基于 ChscIP 平台孵化的高潜资产 · 寻求全球权益合作

AICRE-U01

痛风 / 高尿酸血症 URAT1 抑制剂
当前阶段：非临床动物实验
靶点确证
苗头发现
先导优化
临床前候选
临床申报 (IND)
2,638 条
高质训练数据
专利与文献清洗
0.94 AUC
模型预测精度
LightGBM 集成算法
330 万+
AI 筛选分子库
ZINC15 铅类库
4 个
关键变构位点
结构机制解析
AI 赋能研发突破
  • 极速筛选漏斗：

    利用 ChscIP 平台，从 330 万个分子中通过 AI 评分与对接，
    快速锁定 411 个 SHAP 值 $\ge 2.35$ 的高潜分子，效率提升 500 倍。

  • 可解释性归因：

    通过 SHAP 值分析，成功识别出 Top 8.3GB 的核心药效团，
    精准剔除无效骨架。

机制解析与差异化
  • 全新机制发现：

    通过分子动力学模拟，首次揭示了 URAT1 转运通道的动态构象，
    发现了控制门控的 TMD7 (W357) 和 TMD11 (R487) 区域。

  • 原子级差异化：

    锁定了关键残基 R477 的正电荷作用，
    为设计高选择性、低副作用的抑制剂提供了原子级依据。

AI+ Drug DISCOVERY

AICre 分子发现引擎

以算法重塑药物发现 · 从苗头筛选到性质预测的全栈计算服务

高通量虚拟筛选

基于 ChscIP 平台，
对亿级分子库进行 SBDD/LBDD 双向精准挖掘。

  • HTVS: 亿级库秒级对接 (ZINC/Enamine)
  • Hit ID: 苗头化合物识别与骨架聚类
  • Repurposing: 老药新用与适应症拓展

生成式分子设计

利用 GenelP 生成模型，
突破专利壁垒，拓展全新化学空间。

  • De Novo: 针对靶点口袋从头设计分子
  • Scaffold Hopping: 骨架跃迁规避专利
  • PROTAC: Linker 长度与构象智能设计

性质预测与优化

融合量子化学 (QM) 与深度学习，
提供媲美湿实验的预测精度。

  • FEP 计算: 自由能微扰高精亲和力预测
  • ADMET: 代谢稳定性与血脑屏障透膜
  • Toxicity: hERG 心脏毒性与 Ames 预测

POWERED BY: PyTorch AlphaFold3 Gromacs RDKit DiffDock

DeepCre 实验中心

AlCrepharm 位于中日(天津)健康产业发展合作示范园区的实体运营中心
链接全球资源的科研枢纽

STRATEGIC PARTNER Fujifilm & JCRB Cell Bank

湿实验验证

In Vitro Validation
承诺：
所有实验均使用 JCRB 官方正品细胞
  • 化学合成
  • ISO 10993-5 细胞毒性测试
  • IC50/EC50 药效曲线测定
  • Western Blot / qPCR 机制验证
  • 报告基因 (Reporter Assay) 检测

科研转化服务

Research Translation

依托大阪大学青年科学家团队，
为高校及医院提供高水平转化支持。

  • 创新课题设计与逻辑梳理
  • SCI 发表级原始数据交付
  • 专利布局与成果转化指导
  • 药企管线对接 (License-out)

战略资源进出口

Global Sourcing
FUJIFILM 深度合作
JCRB Cell Bank 深度合作
  • 生物制品/试剂合规冷链进口
  • 日本稀缺细胞株独家寻源
  • 全球采购及进出口代理
联系 DeepCre 获取资源目录
Osaka University Suita Campus
Young Scientists Elite PhD Team
源自大阪大学 · 量子生命信息药学

智慧合成，创药未来
新一代日本青年科学家先锋团队

AlCrepharm (创成智药) 源于大阪大学，
我们团队有数名日本杰出青年科学家，同时作为AI+的科技企业，我们的核心团队均拥有人工智能和药学双学位背景。

核心理念：
拒绝盲目的“大数据炼丹”，我们坚持“第一性原理”驱动。
引入“ Fugaku”超算级的FMO计算方法，从电子云层面解析生命现象。
致力于打造“干湿闭环”的下一代药物研发范式。

92.3%

结构预测精度

90%

团队硕博率

1/3

缩短研发周期

"Empowering Drug Discovery with Quantum Mechanics & Youthful Innovation."

公司动态

AlCrepharm 的最新研发进展与行业里程碑

LATEST UPDATES
GenelP 1.3
R&D Update
2025-09-01 · AICre Tech
GenelP 1.3 版本重磅发布

新版本引入了等变扩散模型，
在分子生成任务中，骨架新颖性提升40%，合成可及性评分显著优化。

JCRB Partnership
Partnership
2025-08-15 · DeepCre Lab
同Fujifilm达成战略合作

双方达成深度战略合作，DeepCre所有湿实验均将使用JCRB的正版可溯源细胞。

URAT1 Progress
Milestone
2025-07-20 · Drug Discovery
AICRE-U01
痛风项目临床前候选确立

基于ChscIP平台锁定的22个苗头分子，
经湿实验验证，Top10的分子均展现出优异的URAT1抑制活性。