MaXFlow 分子模拟与人工智能平台自2023年春季发布3.6.1版本更新以来，始终以打造人人能用的分子模拟与AI智能创新平台为目标，变革以实验试错为主的传统研发模式，实现以科学数据和模型驱动的智能创新。

MaXFlow帮助中国企业、科研机构以更低的门槛、更便捷的操作、更高的效率，使用最先进的模拟与人工智能技术进行新药/新材料的研发。秉持将人工智能算法与科学计算协同整合，形成闭环的研究模式，加速推进相关领域的研发革新，顺应时下研究热点，创腾科技即将在2024年4月24日16:00重磅推出MaXFlow3.11版本。

新版本的快速迭代拓展了在更多领域中的应用，强化了对高通量计算和人工智能的支持，从产品功能、精度和效率，以及用户体验上均实现了颠覆式的创新。

MaXFlow 分子模拟与人工智能平台

核心功能

MaXFlow 分子模拟与人工智能平台

新版本功能前瞻

1. 相对结合自由能计算

MaXFlow 3.11版引入了一系列创新功能，它们是专为相对结合自由能计算而设计。首先，微扰图构建工具为研究者提供了前所未有的视觉辅助，让分子间相互作用的理解更加精确。同时，我们引入的复合物构建组件，能为相对结合自由能计算提供了一个准确的起始结构。此外，ATM结合自由能计算组件现增加MPI计算功能和ATM相对结合自由能分析，这两项升级将显著提升分子动力学模拟的效率和精度，为用户在这一领域的研究提供了无与伦比的计算和分析能力。

微扰图构建组件

该组件专为加速和优化药物发现领域的自由能扰动网络设计而打造。它融合了尖端的相似性评分算法，能够智能地解析和处理复杂的分子结构数据。通过先进的DBSCAN聚类技术，它能够自动将配体分组，确保我们的研发流程不仅高效，而且精确。我们的组件还采用了Fedorov交换算法，这一优化设计的核心，确保了在寻找最优扰动图的过程中，每一步都经过精心计算和优化。但组件的创新不止于此。我们深知计算资源的宝贵，因此特别设计了边数调整功能，让用户可以根据实际需求和资源限制，灵活调整设计中的边数，实现成本与性能的最佳平衡。

复合物构建

该组件旨在为相对结合自由能计算搭建起始结构。该组件不仅支持将已生成的binding pose中的小分子配体精准放置于靶点中，而且能够通过将批量同源配体对齐至靶点的已解析小分子晶体结构中，从而高效产生binding pose和复合物分子结构体系。

ATM计算组件

在前版，我们面临了一个挑战：不同副本在同一次采样中相互独立，这限制了ATM计算结合自由能的效率。在本次发布的新版本中我们在HREMD中实现了MPI的机制，新版本无需知晓硬件细节，因此可以充分调用超算的GPU资源，提高采样效率和降低计算成本。更令人兴奋的是，通过进一步的专项优化，新版本在保持成本不变的前提下，将计算速度提高了两倍。

2. 机器学习势(MLP)

MaXFlow 3.11版，首次集成机器学习势能（MLP）功能模块，这是药物设计领域的一大突破。此更新包括MLP-单点能、MLP-几何优化、MLP-振动分析及热力学性质计算三大组件，并内置ANI-1X、ANI-1CCX、ANI-2X三种预训练MLP模型(覆盖了90%的类药分子)。这些先进工具和模型将大幅提升分子模拟的准确性和效率，帮助用户在药物发现过程中实现快速、精准的分子设计和分析。

3. 酶催化常数预测

酶催化效率的研究是一项基础而又重要的工作，对于理解细胞代谢和生理学的至关重要，在酶工程、代谢工程和合成生物学等领域都有着深远影响。酶在特定反应中的催化效率通常使用酶的动力学参数来衡量，其中一项参数就是酶催化常数（kcat），也称为转换数，是指每分子酶或每个酶活性中心在单位时间内能催化的底物分子数。

通过实验方法去测量kcat等酶动力学参数往往费时费力，而MaXFlow 3.11上线的酶催化常数预测组件，提供了基于机器学习和深度学习的酶催化常数预测方法，可以快速地预测动力学上未表征的酶的kcat。测试结果表明，该模型可以成功预测野生型酶天然反应的kcat，对于与训练集中的蛋白质序列一致性小于40%的酶也具有良好的泛化能力。

4. 序列展示控件

进行抗体人源化是降低非人源抗体的免疫原性的常用手段，MaXFlow的抗体人源化预测组件，提供了利用OAS（Observed Antibody Space）数据库进行训练的深度学习人源化方法，使用该方法进行抗体人源化的预测结果甚至可以比拟人类专家。

在MaXFlow 3.11版本中，抗体人源化预测组件的结果报告展示界面将新增序列展示控件，以更直观的方式对人源化后的抗体序列进行展示。在该控件的序列展示页面中，除了可以以不同的氨基酸配色方案显示详细的序列数据之外，同时还可以显示不同残基的等电点和疏水性等性质。在该控件的氨基酸性质页面中，则可以提供该结构整体的性质数据，比如残基数目、分子量、等电点、不稳定性、氨基酸组成和净电荷等性质。

扫码立即报名