合肥造物起源生物科技已储备超过2000万+化合物数据 ，来源于ZINC、chemdiv等数据库，科研工作者可根据研究方向勾选心仪的化合物库，在缩小的筛选范围内发现高质量、高性价比的化合物，减少初期研究成本。

服务流程：

1.确认靶点蛋白质的名称、物种和氨基酸序列后，收集蛋白质的相关信息。若靶点蛋白无冷冻电镜解析的完整三维结构，则根据靶点蛋白的序列使用AlphaFold 3进行精准建模，评估模型的置信度，确保结构的准确性和可靠性。

2.采用QuickVina 2进行初步对接，QuickVina 2 是一个精心设计的分子对接工具，它的目标是精确加速 AutoDock Vina。在对 195 个蛋白质-配体复合物进行测试后，QVina 2 相比 Vina 实现了高达 20.49 倍的速度提升。更令人印象深刻的是，其与 Vina 绑定能量的皮尔逊相关系数达到了 0.967（对于第一个预测模式）和 0.911（对于所有预测模式的总和），显示出极高的准确性。这表明，QuickVina 2 不仅速度快，而且性能稳定可靠，适用于大规模虚拟筛选库中的药物设计工作。

相关文献："Fast, Accurate, and Reliable Molecular Docking with QuickVina 2" Amr Alhossary, Stephanus Daniel Handoko, Yuguang Mu, and Chee-Keong Kwoh. Bioinformatics (2015) 31 (13): 2214-2216. DOI:10.1093/bioinformatics/btv082

3.采用Boltz-2模型对第一轮高分的小分子化合物的亲和力进行预测。Boltz-2是一款全新的生物分子基础模型，它在AlphaFold 3和 Boltz-1 的基础上进一步突破，能够同时预测分子复合体的三维结构与结合亲和力，这对于精准的分子设计至关重要。Boltz-2 首次将深度学习模型的亲和力预测精度提升至接近物理计算自由能微扰（FEP）方法的水平，同时运算速度提高了约1000 倍，使得早期药物发现中大规模计算筛选成为切实可行的方案。

4.采用GROMACS软件对高分候选化合物进行100ns的分子动力学模拟，分子动力学模拟是在分子对接之后，对受配体的结合稳定性进一步分析和评估，分子动力学更加形象地模拟了生物体大环境，考虑到温度、压强、电荷等等对受配体结合力的影响，从而更准确的获得蛋白与候选小分子的结合数据。

交付数据