计算设计

靶点初筛、口袋识别、结构预测与生成式设计共同产出一个经过优先级排序、可合成的集合，而不是一份原始枚举清单。

规模化合成

在选定化合物之前先评估合成路线的可行性，随后交给同一机构内的合成化学家进行平行合成。

实验室验证

生化与细胞检测、DMPK 和早期毒理针对的正是产生这些分子的预测本身，无需再去重复验证别人家的检测方法。

学习与重训练

每一个结果，包括失败的结果，都会成为项目专属的训练信号。模型是在你的化合物系列上变得更锐利，而不是在某个基准数据集上。

靶点发现

整合多组学、文献与专利证据，形成带成药性判断和验证路径的排序靶点假设。在投入生物学预算之前，你就能看清某个靶点为何得分如此——通路背景、表达情况、遗传学支持与赛道拥挤度。

蛋白结构预测

针对实验结构稀少甚至缺失的靶点进行折叠、复合物预测与口袋识别，涵盖构象状态与隐蔽口袋。在下游任何设计以预测模型为依据之前，模型都要先经分子动力学压力测试。

小分子设计

超大规模虚拟筛选、基于结构与生成式的从头设计、骨架跃迁以及多参数先导化合物优化。合成可及性与 IP 空白区是评分项，而不是事后补充——所以产出的系列，是药物化学家真正愿意推进的系列。

ADMET 与成药性

在设计阶段预测吸收、代谢、清除、渗透性、hERG 与肝毒性，再用内部 DMPK 数据加以确认。预测与实测同处一个屋檐下，这是模型校准得以持续改进的唯一途径。

生物药与抗体设计

针对单抗、双抗与 ADC 骨架提供表位预测、CDR 设计、人源化、计算亲和力成熟以及可开发性初筛。序列风险位点——聚集、免疫原性、表达量低——会在构建体下单之前被标注出来。

寡核苷酸药物

siRNA 与 ASO 序列设计，包含在靶活性建模、脱靶与 seed 错配筛查、化学修饰模式设计以及递送偶联配体选择。这是业内迭代最快的模态，也是序列空间大到无法靠人工搜索的模态。

CRO 服务整合

这个模块让其余六个模块真正有意义。每一项预测都在同一份合同下接入合成、检测方法开发、生物学、DMPK、毒理、CMC 与 GMP 生产，结果以训练数据的形式回流，而不是变成一份 PDF 报告。

预测会被检验

周一提出的设计，同一周就能进入合成。模型与实验台之间没有采购流程。

模型学习你的系列

来自你自己项目的专有检测数据会重新训练评分模型，其中也包括公开数据集里从来不会收录的阴性结果。

化学家参与闭环

药物化学家会审阅模型提出的方案。不受欢迎和难以合成的化学型，由真正做过这类分子的人剔除。

一条链直通 IND

发现、DMPK、毒理、CMC 与生产同属一个机构，因此资料包是持续积累而成的，而不是最后重新拼装。

能反映真实化学的数据

公开的生物活性数据库偏向于“做成的”结果，也偏向于本来就容易做的靶点。只用这些数据训练的模型会继承这种偏差——对业内已经做透的化学型信心十足，对其他一切则缄默不言。

XDrug.AI 先用经过整理的公开结构与活性数据训练，再用我们自己实验室产生的项目数据训练：活性、选择性、稳定性、渗透性，以及那些失败的化合物。失败数据是这个领域最稀缺也最有价值的输入，而一个没有实验室依附的平台根本拿不到。

按任务选模型，而不是按潮流选模型

结构预测、生成式设计、性质预测与序列设计是不同的问题，靠单一架构难以胜任。平台把深度学习模型与基于物理的方法结合起来——对接、自由能估算、分子动力学——因为物理方法能捕捉到学习型评分函数会“自信地”漏掉的失效模式。

预测不确定时，平台会明确说明。当分数要用来决定是否合成时，一个不加限定的分数比没有分数更糟。

输出端的人工判断

每个模块的输出都要经过科学家审核，才会变成计划。计算化学家检查结合构象的合理性与口袋占据情况；药物化学家检查可合成性、稳定性，以及该化学型是否带有已知风险；生物学家检查所提议的检测方法能否读出相关机制。

正是这道审核环节，让入围名单真正简短。一百个化学家不会去做的设计不是成果，而是一条排队等候的队列。

有生物学假设，没有靶点

从靶点发现开始。你会得到一组排序后的候选靶点，每个都附有支撑证据，以及能够证实或否证它们的验证实验方案。

有靶点，没有结构

从结构预测开始。建模得到的构象与口袋图谱，让基于结构的设计在晶体结构出现前数年就成为可能——如果它最终会出现的话。

难以优化的 hit

从小分子设计加 ADMET 开始。骨架跃迁与多参数优化同时着手解决活性与性质上的断崖，而不是用其一换其二。

新模态，无现成基础设施

从生物药或寡核苷酸设计开始。序列设计加上 CRO 链条，让你无需自建能力就能获得一种新模态的开发实力。

能否只用单个模块，不涉及其他模块？

可以。每个模块都可以作为独立合作开展——一个结构预测包、一轮虚拟筛选、一组 siRNA 设计。多数项目在首批结果落地后，会顺势延伸到合成与检测。

知识产权与数据归谁所有？

归你所有。设计、序列、检测数据以及由此产生的任何知识产权都属于你的项目。用你的数据训练出的项目专属模型，不会被用于其他客户的工作。

这与购买 AI 软件授权有何区别？

软件授权只给你预测，执行仍由你自己完成。XDrug.AI 把执行一并包含进来——合成、检测与 DMPK——于是闭环得以成立，模型是在你的化学上改进，而不是在基准数据集上改进。

支持哪些药物模态？

小分子；生物药，包括单抗、双抗与 ADC 骨架；以及寡核苷酸药物——siRNA 与 ASO。新兴模态按项目逐个评估范围。

启动项目需要我方提供什么？

一个靶点或一个化合物系列、现有的全部结构与检测数据，以及你希望达成的决策。若靶点尚未公开，我们先在 CDA 框架下确定范围。

合作在商业上如何结算？

可采用 FTE、按服务付费或混合团队模式，按项目阶段匹配——与 ChemPartner 用于整合式发现项目的合同结构一致。