molecular structure

靶向蛋白降解(Targeted protein degradation, TPD)是一种新型的、有前景的新药研发方法，旨在通过标记降解或招募天然降解机制，靶向那些因缺乏酶功能、缺乏药物结合位点而被认为不可药物的蛋白质。

分子胶是一种小分子降解剂，主要诱导E3泛素连接酶与靶蛋白之间发生新型相互作用，形成三元复合物，进而导致蛋白质泛素化，最终被蛋白酶体降解。与PROTACs相比，分子胶通常具有更低的分子量，更高的细胞通透性和成药性。此外，分子胶的设计相对简单，不需要复杂的连接子和配体优化。因此，分子胶已经逐渐成为一种具有前景的疾病治方法。

目前已报道出多种类型的分子胶，通过对共晶结构进行分析发现，CRBN相关的分子胶更通用，因此我们选择了相关的活性分子作为探针分子用于人工智能（AI）筛选，再通过分子对接，验证筛选出的分子保持关键的药效团，最终获得320个分子胶类似物，这些化合物是研究分子胶的有力工具。

19F-NMR 已被证明是基于片段的药物发现 (FBDD) 中研究蛋白质结构和相互作用的一种检测模式。19F 在核磁共振检测中表现出很高的灵敏度，其化学位移和对配体结合的敏感性使其成为一种有价值的基于片段的药物发现方法。F (氟)-片段与靶蛋白结合后可用于 19F-NMR 检测，可作为基于片段的药物发现的有效 19F-NMR 工具。

MCE 可以提供 5,115 种含氟片段化合物，这些化合物均符合 “类药 3 原则 (RO3)”，即分子量 ≤300 Da，氢供体 (H-donors) ≤3，氢受体 (H-acceptors) ≤3，cLogP ≤3。MCE 含氟片段化合物库是先导化合物的重要来源。

POI 指目标蛋白（Protein of Interest），即分子胶作用中需被降解或调控功能的致病蛋白或关键功能蛋白。分子胶 POI库是由一系列可特异性结合不同类型 POI 的小分子片段组成的。这些配体作为分子胶的关键组成部分，可与靶蛋白形成稳定结合，为分子胶诱导 POI 与 E3 泛素连接酶相互作用奠定基础，其涵盖的 POI 包括癌症相关的 GSPT1、雄激素受体以及神经退行性疾病相关的异常聚集蛋白等多种类型。

该片段库可应用于靶向蛋白降解剂筛选与优化，通过筛选库中对特定 POI 亲和力高、选择性强的配体，可以发现核心结构，开发新型分子胶，如针对 GSPT1 的配体经优化后，得到了降解活性更优的分子胶降解剂。由于许多 POI 因缺乏传统小分子结合口袋难以成药，POI 配体库中部分配体可通过诱导蛋白相互作用的方式调控这类 POI，进一步拓展 “不可成药” 靶标药物研发空间。

MCE分子胶POI片段库包含了上千个POI 配体片段，其分子量在 150 - 400 之间，可广泛应用于分子胶的研发中。

CRBN 即 cereblon，是泛素 - 蛋白酶体系统中 E3 泛素连接酶复合物的底物识别亚基。CRBN 配体库是能特异性结合 CRBN 蛋白的小分子化合物片段的集合。

这些配体多基于经过验证的 CRBN 结合弹头设计，通过 AI 分子生成优化系统进行改造，不仅包含来那度胺类经典结构，也涵盖非来那度胺类的新型骨架，且经过成药潜力过滤，具有结构多样性和较好的成药性质，可基于库中配体进行优化改造，助力新型分子胶降解剂研发，加速诱导 CRBN 与新底物蛋白结合的分子胶发现，同时可用于 CRBN 新底物挖掘，鉴定未知的CRBN 底物。

MCE的CRBN配体库包含144个CRBN亲和力较好的片段，其分子量在 200 - 500之间。基于库中配体开发的化合物可针对癌症、自身免疫疾病等多种疾病靶点，进一步推动分子胶和PROTAC治疗药物研发。

大环化合物（通常指含 12 个及以上原子的环状小分子或肽）具有独特的物理化学性质，能形成预组织的受限构象，与靶点结合亲和力强、选择性高，可靶向传统小分子药物难以作用的蛋白，填补小分子药物与生物制剂之间的空白。激酶作为催化蛋白质磷酸化的关键酶，其功能失调与肿瘤、慢性阻塞性肺疾病、肺动脉高压等多种疾病的发生发展密切相关，是极具价值的治疗靶点。传统小分子激酶抑制剂普遍存在靶向选择性差，易产生脱靶毒性、生物利用度差、获得性耐药等问题。大环的半刚性结构可限制构象与提升亲和力从而实现选择性调控，还可以减小体积分子优化药代动力学性质，大环化策略逐渐成为激酶抑制剂优化的核心手段。

从 ChEMBL 数据库收集数以万计的活性大环化合物，基于 Transformer 架构，将大环化问题转化为 “化学语言翻译” 任务，简化分子线性输入规范，实现线性分子到大环分子的端到端生成。Macformer 通过深度学习实现了线性分子的高效、自动化大环化，生成的大环分子兼具化学多样性、新颖性和生物相容性，可以覆盖更广泛的化学空间。

MCE收集上千个已报道的上市或进入临床的激酶抑制剂，以这些激酶片段作为起始片段，进行环化生成， 进一步从可合成性以及理化性质方面进行评估，最终构建百万级的大环虚拟化合物库，可用于靶向激酶类靶点的虚拟筛选和AI筛选

硼酸是一种稳定且通常无毒的基团，广泛用于现代合成中形成 C-C 和 C-杂原子键。硼酸表现出精致的可逆配位特征，可以作为分子构建工具进行探索，具有控制生物缀合物的结构和生物特性的特定机制。硼酸具有多种活性，例如抗癌、抗菌、抗病毒活性。在药物中，硼酸主要以芳基硼酸的形式存在。除了这种形式之外，含有硼酸的杂环，例如吡啶基、吡咯基和吲哚基衍生物，在药物化学中也非常有用。通过向生物活性分子引入硼酸基团进行的分子修饰已显示出可以改变选择性、物理化学和药代动力学特征，并改善现有的活性。

MCE 收录了 162 种硼酸类化合物，硼酸库可以用于癌症等疾病研究。

基于片段的药物发现（FBDD）作为发现新药的有力方法，已备受制药行业和学术界关注。 在近期上市的药物结构中，sp3 中心和立体中心的比例显著增加，研究者们对高三维度（3D）和富含 Fsp3 中心的片段库颇感兴趣。

MCE 3D 多样片段库由 5,400个非平面片段分子组成（平均 Fsp3 值为 0.58），超过4,700个片段至少包含一个手性中心。本库设计的关键元素是 3D 结构、多样性、生物反应性等。另，库中化合物在保证高sp3中心和 3D 结构优势的同时，还有效提高了片段潜在生物活性，为基于片段的药物发现提供了更高的片段命中优化概率，增加了找到创新命中的可能性。

MegaUni 库为运用生成式人工智能技术，构建出的兼具新颖性、类药性、多样性、可合成性的超大化合物库。适用于AI药物筛选、大型虚拟筛选等。

MCE 依托强大的计算能力，基于高质量的 40,662 个分子砌块，匹配合适的反应规则，选择最优的化合物生成策略，去除合成难度高、类药性低、PAINS等不利化合物后，进一步分析化合物骨架，优选出类药多样性分子组成虚拟库。随后随机挑选库中分子，进行合成验证，再次剔除合成难度高的分子，经迭代优化后，最终生成含 1000 万可合成类药多样性分子的 MegaUni 10M Virtual Diversity Library。

库中化合物仅需1-2步化学反应即可合成，借助 MCE 经验丰富的化学合成团队，可以轻松实现从 mg 级到 kg级等不同量级的定制合成，满足不同客户需求。

多糖是碳水化合物分子的长链，由多个较小的单糖组成。多糖主要存在于天然来源中，如植物、微生物、藻类和动物等。多糖类化合物具有大量的活性官能团、不同的化学成分和不同的分子量范围，这决定了它们在性质和结构上的多样性。同时在医学研究领域，多糖也作为一类功能化合物从而发挥作用。如：纳米载体构建、免疫调控与疫苗开发、抗肿瘤治疗新策略、组织再生工程应用和疾病诊断等等。随着糖组学与合成生物技术的进步，人类正在从“认识多糖”向“设计多糖”跨越，为材料科学、精准医学和可持续发展提供革新性解决方案。

MCE 可提供 68 种多糖类化合物，可用生物医学领域的研究。

“BioDesign” approach incorporates key structural features of known pharmacologically relevant natural products (e.g. alkaloids and other secondary metabolites) into synthetically feasible medicinal chemistry scaffolds. In order to identify the privileged pharmacophores, ring systems and linkers, we have carried out statistical analysis of structural features of natural products, marketed drugs, and drug candidates.

Saturated, fused ring, spiro, and bridged systems with a tendency towards multiple chiral centers are highly privileged among natural products and marketed drugs yet these structures are very poorly represented in commercial libraries. This library addressed this market need by incorporating these privileged elements into the design of novel synthetic molecules with high molecular framework diversity, multiple stereogenic centers (≥2), and degree of saturation (Fsp3 > 0.5).

拟肽化合物是一类药效团在三维空间中模拟天然肽或蛋白质，并保留与生物靶标相互作用的能力，产生相同的生物效应的化合物。拟肽化合物的设计是为了规避一些天然肽自身存在的问题：如对蛋白水解作用的稳定性(活性持续时间)和较差的生物利用度，某些其他性质，如受体的选择性或效能，往往可以得到很大的改善。拟肽的设计和合成是非常重要的，因为在分子识别和信号传递中，尤其是在生命系统中，肽和蛋白-蛋白相互作用起着主导作用。因此，拟肽类化合物在新药开发中具有巨大潜力。

MCE 拟肽类化合物库包含 371 种小分子化合物，包括类肽，α-螺旋类似物，β-折叠类似物等，是药物发现中研究构效关系不可或缺的工具。

半胱氨酸蛋白酶（Cysteine Proteases, CP）作为调控生理代谢、介导病理进程（如骨重塑异常、肿瘤侵袭、病原体感染）的关键酶家族，其特异性抑制剂的研发是疾病干预的核心方向之一。目前已报道的 CP 抑制剂基本通过精准结合 CP 活性口袋（如 S1-S4 非引物口袋、S1'-S2' 引物口袋）并与活性位点半胱氨酸形成共价 / 非共价相互作用实现抑制功能，为新型抑制剂开发提供了明确的结构参照。

本化合物库以“基于已知活性结构的相似性” 为核心设计策略，收集200多个已报道的半胱氨酸抑制剂，依托人工智能（AI）驱动的分子筛选技术，库内分子保留已报道的半胱氨酸蛋白酶抑制剂的关键药效团特征及形状特征，是高效发现新型半胱氨酸蛋白酶的有用工具。

随着人口老龄化和竞争压力的增加，中枢神经系统退行性疾病已变成现代社会严重的医学问题，例如帕金森病、阿尔兹海默症、脑肿瘤和多发性硬化。然而中枢药物研发成功率却很低，这主要与血脑屏障（blood-brain barrier, BBB）有关。 血脑屏障（BBB）是包围中枢神经系统（CNS）微血管系统的半透性屏障结构。在毛细血管中，紧密排列的内皮细胞排列在血管内部，形成广泛的紧密连接。该屏障与一系列受体、转运蛋白、外排泵和其他细胞成分一起，控制着血管内分子进入和排出大脑。完整的血脑屏障不仅能够阻止大多数血液中的物质流入大脑，还能将大分子药物的通过率限制在近乎为零，同时屏蔽超过 98% 的小分子药物，从而为中枢神经系统营造稳定的内环境。 与非中枢神经系统药物相比，氢键、脂溶性和分子大小等理化性质较大影响化合物的血脑屏障通透能力。使用人工智能算法预测血脑屏障通透性，当预测值大于0.75时，意味着该化合物具备良好的透过血脑屏障的潜力，为中枢神经系统药物发现提供了良好的起点。

基于片段的药物开发（FBDD）非常适合先导化合物及功能探针的发现，片段化合物可以覆盖广阔的化学空间，也更易于后期进行结构优化。以片段化合物为基础的药物开发在制药行业已经相当成熟，已经有多种药物进入临床试验，其中vemurafenib和venetoclax两种药物已经获得批准上市。FBDD在学术界也同样具有很强的吸引力，尤其FBDD可以应对一些新颖，较难成药的靶点，这些靶点通常在现有的高通量筛选化合物库中没有有效的可与之匹配的化合物。

MCE 可以提供 23,342 种片段化合物，这些化合物均符合“类药3原则（RO3）”，即分子量≤300 Da，氢供体（H-donors）≤3，氢受体（H-acceptors）≤3，cLogP ≤3。MCE片段化合物库是先导化合物的重要来源。

靶向蛋白降解(Targeted protein degradation, TPD)是一种新型的、有前景的新药研发方法。它在靶向“不可成药”疾病靶点及克服耐药性问题上显示了巨大的潜力。分子胶和PROTACs都是目前最受关注的两种靶向蛋白降解技术。

分子胶是一种小分子降解剂，主要诱导E3泛素连接酶与靶蛋白之间发生新型相互作用，形成三元复合物，导致蛋白质泛素化，随后被蛋白酶体降解。与PROTACs相比，分子胶通常具有更好的类药性，如具有更低的分子量，更高的细胞通透性和更好的口服吸收度等。分子胶已经逐渐成为一种具有前景的疾病治方法。

MCE 收录了91种靶向不同蛋白的分子胶化合物。MCE分子胶化合物库是进行科学研究和疾病机制研究的有用工具。

基于片段的药物发现 (FBDD) 可根据片段分子的基团来进一步划分，这具有战略上的优势，这一特性使得成果能够被进一步优化，并为通过组合多个片段来合理设计更大分子提供了可能性。目前许多上市药物，如 Galatamine、Tacrine、和 Rivastigmine，均为胺类化合物。胺类结构对药物的疗效有着显著的贡献，这种基团有助于提高药物的溶解度、改善生物利用度，并确保药物在保质期内的稳定性，这对于开发有效的药物至关重要。

MCE 可以提供 19,397 种胺类片段化合物，这些化合物均符合类药 “3原则 (RO3)”，即分子量 ≤300 Da，氢供体 (H-donors) ≤3，氢受体 (H-acceptors) ≤3，cLogP ≤3。

大环化合物（通常指含 12 个及以上原子的环状小分子或肽）具有独特的物理化学性质，能形成预组织的受限构象，与靶点结合亲和力强、选择性高，可靶向传统小分子药物难以作用的蛋白，填补小分子药物与生物制剂之间的空白。激酶作为催化蛋白质磷酸化的关键酶，其功能失调与肿瘤、慢性阻塞性肺疾病、肺动脉高压等多种疾病的发生发展密切相关，是极具价值的治疗靶点。传统小分子激酶抑制剂普遍存在靶向选择性差，易产生脱靶毒性、生物利用度差、获得性耐药等问题。大环的半刚性结构可限制构象与提升亲和力从而实现选择性调控，还可以减小体积分子优化药代动力学性质，大环化策略逐渐成为激酶抑制剂优化的核心手段。

从 ChEMBL 数据库收集数以万计的活性大环化合物，基于 Transformer 架构，将大环化问题转化为 “化学语言翻译” 任务，简化分子线性输入规范，实现线性分子到大环分子的端到端生成。Macformer 通过深度学习实现了线性分子的高效、自动化大环化，生成的大环分子兼具化学多样性、新颖性和生物相容性，可以覆盖更广泛的化学空间。

MCE收集上千个已报道的上市或进入临床的激酶抑制剂，以这些激酶片段作为起始片段，进行环化生成， 进一步从可合成性以及理化性质方面进行评估，最终构建百万级的大环虚拟化合物库，可用于靶向激酶类靶点的虚拟筛选和AI筛选