传统的药物筛选与发现具有成本高（平均20-30亿美元）、周期长（一般10年以上）、不确定性大等缺点，其中在临床前各阶段中获取具备成药潜力化合物的损耗率极高，这是造成成本高、周期长、不确定性大的重要因素之一。

DeepDock分子对接软件结合AI技术领域优势，充分发挥人工神经网络模型具备的强大拟合能力与泛化能力，通过大数据的训练，模型能够快速且相对准确地预测小分子化合物与蛋白质靶点之间的结合构象与结合自由能，从而降低了对生物湿实验的依赖，有效解决高损耗率的问题，降低了创新药筛选的周期和成本，提高了创新药研发速度。

相关专利：

基于深度学习的配体-受体复合物构象亲和力预测方法 申请号CN202111565611.7 公开号CN114496109A

一种基于深度学习的配体化合物快速预筛选模型申请号CN202110697840.8 公开号CN113393911A

软件著作权：分子对接软件登记号2021SR1411512

利用人工神经网络模型DeepMice预测小分子DSX5051与新冠病毒SARS-Cov-2的刺突糖蛋白RBD区域结合构象

人工神经网络模型DeepMice Score主干结构。通过输入潜在小分子药物、大分子蛋白质三维图结构到模型，模型能够预测二者之间相互作用力大小（亲和力）