01 / AIDD
连接 AI 与生物药物研发
在结构生物学、蛋白工程、免疫学和肿瘤生物学的交叉领域，探索可检验的分子设计方案。
围绕靶点与研发问题，将 AI 模型、分子结构预测、多模型计算筛选和候选分子优化串联为工作流。结合输入数据质量、模型适用范围及实验反馈，记录设计依据、候选差异与不确定性。
项目范围、交付内容和实验验证安排在合作启动时共同确定；计算评分与结构预测不等同于实测性能或临床结果。
重点方向 / PERSONALIZED NEOANTIGEN VACCINES
个体化肿瘤新抗原疫苗设计
从患者肿瘤分子数据出发，整合突变、转录表达与 HLA 信息，形成个体化新抗原候选及多表位设计方案。
- 整合肿瘤 WES、RNA-seq 与患者 HLA 分型数据，并核查数据质量和适用条件。
- 识别肿瘤体细胞突变，预测潜在新抗原候选并保留候选来源与分析依据。
- 结合 HLA 结合、抗原表达、克隆性与免疫原性相关预测开展综合评估。
- 探索个体化新抗原多表位组合与 mRNA 疫苗序列设计，比较候选方案。
- 提供候选新抗原排序、计算评估及后续验证方案设计。
从分子数据到候选方案
肿瘤与患者数据 → 新抗原候选 → 多维度评估 → 个体化组合设计 → 验证计划。
候选清单、排序依据和设计说明可作为科研讨论与后续验证的输入；具体分析与交付范围取决于数据、授权及合作条件。
本方向用于科研开发与技术合作，不代表临床诊疗资质、获批疫苗产品或已证实的临床疗效。患者数据须在获得适当授权及明确数据使用范围后处理。
02 / 抗体与 BINDER
AI辅助抗体与 Binder 设计
围绕靶抗原与研究用途，探索抗体和结合蛋白的候选序列及结合模式。
- 靶向抗体与结合蛋白的计算设计
- 抗原–抗体复合物结构预测与候选结合界面优化
- 亲和力、特异性及可开发性相关计算评估
- 候选序列优选及实验验证协作
亲和力、特异性和可开发性相关预测需经适当实验检验。
- 肿瘤相关抗原识别受体的计算设计
- TCR–pMHC 复合物结构分析
- TCR 候选优化与交叉反应风险的计算评估
- 工程化免疫受体及融合蛋白设计
交叉反应风险筛查提供验证线索，不能替代功能与安全性实验。
04 / 蛋白工程与递送
病毒包膜与靶向递送蛋白工程
面向细胞治疗相关递送研究，评估蛋白结构、靶向结合模块与融合设计。
- 病毒包膜蛋白的结构分析与序列优化
- 靶向结合模块与融合蛋白设计
- 靶细胞选择性及受体结合的计算评估
- 面向细胞治疗的递送载体蛋白工程
递送效率、靶向特异性、免疫原性及安全性均为待实验验证的指标，计算预测不等于实测结论。
从问题到验证
技术工作流程
以问题和证据为线索，将设计、筛选与验证衔接起来。
需求分析
明确研发问题、研究用途与项目边界。
数据准备
核查数据来源、授权、质量与适用性。
AI辅助设计
选择适用模型，形成结构与序列候选。
多维度计算筛选
结合多模型结果、约束与不确定性比较候选。
候选优选
形成优先级、设计依据与验证建议。
实验验证与迭代
根据实际能力与合作条件开展验证并反馈设计。
上述流程按具体项目配置。实验验证须结合实际项目能力、资源和合作条件安排，不表示所有方向均已实现标准化商业交付。
合作模式
以项目为起点，开展合作
欢迎围绕研究目标、已有数据和验证需求交流，共同确定可行的合作范围。
- 委托计算设计与候选筛选
- 联合研发与技术攻关
- 科研合作与候选验证
- 技术转化与知识产权合作