三款知名抗体结构预测算法速览

　　上述被业内专业人士广泛使用和验证的算法均已部署在唯信计算自主研发的分子智能计算平台WeMol上（wemol.wecomput.com），只需上传序列即可得到理想的大分子结构，还可在线查看建模结果。无需配置环境，开箱即用，欢迎试用！

　　WeMol极简风的运行界面、结果页面及可视化界面WeMol是Wecomput开发的面向生物医学、材料、化学等领域的新一代分子数字智能计算平台。基于流式架构开发，支持低代码定制开发和灵活扩展。核心模块在速度、准确性、效率等方面均超过或媲美主流商业软件。WeMol集成了化学信息学、计算生物学、量子化学、人工智能等计算模块以及小分子和大分子的3D可视化模块，涵盖了生物药设计、小分子设计、量子化学、分子模拟等应用需求，数十个计算模块可以对Hit->Lead->PCC的全流程进行赋能。平台旨在帮助用户构建一个可积累、可复制、可追溯的计算平台，并可持续、高效地支持计算驱动的创新。

　　放个链接：wemol.wecomput.com (请使用电脑浏览器访问)WeMol本地化及云端版本均支持大分子计算、小分子计算、数字化三个解决方案，云端版本WeMol Cloud自8月正式上线后，受到了业界的广泛关注，获得了从入门到专业用户的高度认可。众多独特算法工具（例如构象生成算法AlphaConf，三维形状匹配算法AlphaShape，抗体人源化设计流程AlphaHu，RNA序列优化算法AlphaRNA等）都可在WeMol Cloud中免费试用，详细介绍请见往期文章《分子智能计算平台云端版-WeMol Cloud正式发布》。欢迎联系我们以获得更多支持~Wecomput一直致力于打造开放、包容、合作的计算生态，除了WeMol现有算法，我们欢迎各位算法开发者或机构将自己的算法部署到WeMol上，获得免费推广及真实用户使用反馈，惠及更多用户，一起在行业层面推动计算技术的广泛应用和发展，加快药物研发进程，让计算创造更多价值。参考文献【1】Weitzner BD, Kuroda D, Marze N, et al. Blind prediction performance of RosettaAntibody 3.0: grafting, relaxation, kinematic loop modeling, and full CDR optimization. Proteins 2014;82:1611-1623.

　　【2】Ruffolo JA, Sulam J, Gray JJ. Antibody structure prediction using interpretable deep learning. Patterns (N Y) 2022;3:100406.【3】Jeffrey AR, Lee-Shin Chub, Jeffrey JG, et al. Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies.Biophysical 2022;121:155a-156a.【4】Vishwakarma P, Vattekatte AM, Shinada N, et al. VHH Structural Modelling Approaches: A Critical Review. Int J Mol Sci 2022;23.