NLP、DL 化合物合成 花费时间长，效率低 利用 AI 学习海量现存化学反应，推荐化合物 合成路线并优化反应条件 ML、DL 化合物筛选 成本高，效率低 使用虚拟筛选遴选出具有潜在成药性的活性 化合物，降低实验筛选化合物数量，降低资 金投入，缩短筛选周期 CV、DL 晶型预测 耗时长，筛选合适晶型困难 通过 AI 模拟晶型药物晶型筛选，可在短时间 选出稳定性强的最佳药物晶型 （DMTA）循环模 式加速临床前候选药物发现及优化过程。同时公司将多年积累的 DEL 筛选海量 数据用于机器学习（ML）、AI 大模型的训练和迭代，可以更加有效地在非 DEL 空 间预测化合物活性、成药性等，进一步扩大可探索的化合物空间以及加快化合物 的优化过程。AI 制药龙头企业 Schrodinger 利用公司 DEL 库筛选的 WEE2 项 目进展到先导化合物阶段。 图 26：利用成都先导