iMol
分子发现超级智能体
从靶点洞察到候选分子，我们构建了一套完全自研的 AI 智能体平台——智能体大脑、工具矩阵与控制系统三位一体，重构药物发现的底层范式。
自研三层智能体架构，
贯通科学推理与工程执行
iMol 不是单一模型，而是一个由「大脑—工具—控制」构成的完整智能体系统，面向分子科学复杂任务自主规划、调用工具、验证结果、持续迭代。
九大自研智能体群
每一个智能体群都由领域模型、专用工具链与验证模块构成，可独立调用，也可在控制层编排下协同完成复杂发现任务。
虚拟细胞与靶点发现
以虚拟细胞为数字孪生，模拟疾病微环境，系统推断并验证潜在靶点，缩短靶点确证周期。
小分子药物发现
生成式与物理约束结合，从苗头化合物到先导优化，探索新颖化学骨架与成药性空间。
抗体药物发现
从序列生成、结构建模到亲和力预测，支持单抗、双抗及抗体工程化改造的全流程加速。
多肽与环肽药物发现
专攻口服成药性、膜通透性与构象稳定性，设计新一代可口服的环肽靶向分子。
XDC 发现（ADC / PDC / RDC）
linker-payload 智能匹配、靶点选择性评估与偶联物稳定性预测，加速偶联药物研发。
核酸类药物发现
siRNA / mRNA / 适配体 / ASO 序列设计、脱靶预测与递送载体评估，赋能核酸疗法。
蛋白降解剂发现
分子胶与 PROTAC 三元复合物建模、E3 配体设计与降解活性预测，开拓不可成药靶点。
专利解析与探索
大规模专利语义抽取、化学结构识别与 FTO 风险初筛，为 IP 布局提供结构化情报。
人机交互智能体群
自然语言指令理解、实验反馈学习与多轮任务澄清，让科学家以对话方式驱动复杂工作流。
自研数据、知识与模型底座
平台底层并非依赖外部零散工具，而是由自研的分子科学知识与 AI 基础设施统一支撑，确保数据安全、模型协同与持续进化。
分子科学知识图谱
整合疾病、靶点、通路、分子与文献的语义关系，支持可解释推理。
专利数据库
结构化的全球专利情报，覆盖化学结构、权利要求与布局动态。
大语言模型
面向分子科学微调的 LLM，理解专业术语、实验逻辑与任务意图。
物理 AI 模型
结合量子化学、分子动力学与统计力学的物理约束模型，保证预测的可靠性。
聚焦代谢疾病的
新一代口服环肽管线
围绕临床用药的重大未满足需求，我们基于 iMol 平台正在推进First-in-Class 潜力的口服环肽类靶向药物。
从平台到管线的闭环验证
口服环肽因兼具抗体的高亲和力与小分子的可成药性，被视为下一代药物形态。iMol 平台整合虚拟细胞、靶点发现与多肽/环肽智能体群，针对代谢疾病关键通路进行分子设计、活性预测与成药性优化。
- 靶点可成药性与通路机制智能评估
- 口服环肽序列与构象多目标优化
- 膜通透性、稳定性与选择性协同预测
- 实验反馈驱动的多轮分子迭代
交叉学科团队，
贯通科学、AI 与工程
核心成员来自法国科学研究中心、香港城市大学、中山大学、华中科技大学等国内外一流机构，横跨药物发现、AI 大模型、AI 智能体、生物学、生物物理学与大数据挖掘。
药物发现
计算化学、药物化学与成药性评估，连接计算与实验。
AI 大模型
分子科学 LLM 研发、多模态表示学习与模型蒸馏。
AI 智能体
工具编排、自主规划、多智能体协同与人机交互系统。
生物学与生物物理
分子动力学、虚拟细胞建模与靶点机制研究。