傳統的藥物篩選與發現具有成本高（平均20-30億美元）、周期長（一般10年以上）、不确定性大等缺點，其中在臨床前各階段中獲取具備成藥潛力化合物的損耗率極高，這是造成成本高、周期長、不确定性大的重要因素之一。

DeepDock分子對接軟件結合AI技術領域優勢，充分發揮人工神經網絡模型具備的強大拟合能力與泛化能力，通過大數據的訓練，模型能夠快速且相對準确地預測小分子化合物與蛋白質靶點之間的結合構象與結合自由能，從而降低了對生物濕實驗的依賴，有效解決高損耗率的問題，降低了創新藥篩選的周期和成本，提高了創新藥研發速度。

相關專利：

基于深度學習的配體-受體複合物構象親和力預測方法 申請号CN202111565611.7 公開号CN114496109A

一種基于深度學習的配體化合物快速預篩選模型申請号CN202110697840.8 公開号CN113393911A

軟件著作權：分子對接軟件登記号2021SR1411512

利用人工神經網絡模型DeepMice預測小分子DSX5051與新冠病毒SARS-Cov-2的刺突糖蛋白RBD區域結合構象

人工神經網絡模型DeepMice Score主幹結構。通過輸入潛在小分子藥物、大分子蛋白質三維圖結構到模型，模型能夠預測二者之間相互作用力大小（親和力）