Langhui
AI+ Biopharmaceutical 자료 인프라

의약품데이터
A.I. 제약 미래

깊고 규모 AI+ 바이오약제의 지역에서, Longhui 기술은 표적 탐지, 화합물 검열, 임상 시험, 약 repositioning에 ADMT 예측, 및 포스트 시장 평가에 이른 탐지에서 AI 약제 모형을 위한 가득 차있 연결 자료 지원을 제공하는 18의 고품질 자료 세트를 건축했습니다.

18
제약Dataset
2억+
화합물 분자
50만+
대상 형식 쌍
10만+
임상시험 기록
ai-drug-discovery.py
import langhuiai as lh

# 화합물 저수지 및 분자 특성을 적재
compounds = lh.pharma.load_compounds(
  source='ZINC/ChEMBL/PubChem',
  count=200000000
)

# 타겟 조립 데이터 로드
target_ligand = lh.pharma.load_target_ligand(
  targets=500000,
  assays='IC50/Ki/Kd'
)

# ADMET 교육 시리즈 Forecasting
admet = lh.pharma.load_admet(
  endpoints=50,
  molecules=1000000
)

# 임상시험 자료
trials = lh.pharma.load_clinical_trials(
  phases='I/II/III/IV'
)

print("Ai Pharmaceutical data는 적재됩니다.")
AI Pharmaceutical Front의 발전

2025-2026 Biopharmaceutical AI 돌파구 진전

AlphaFold 3에서 AI Design Medicine Clinic III로, Protein Design에서 약물 재조합에 이르기까지 AI는 약물 패러다임 재현을 재현합니다.

Nature 2025

알파폴 3 단백질 결합된 포에 캐스트

DeepMind는 알파폴드 3을 출판합니다. 단백질 + RNA+DNA+ 작은 분자 구성 결합 구조의 첫 예측을 달성하는 것은 알파폴드보다 훨씬 정확합니다. 자연 2025 리뷰는 "구조 생물학의 새로운 시대"로이를 검토하고 몇 달에서 분까지 약물 대상의 구조를 감소시킵니다.

구조는 천 번 더 빨리 예측합니다.
Science 2025

AI 디자인 약물 임상 단계 III 입력

Insilico Medicine의 AI 디자인 특수 폐 섬유 약, INS 018_055, 임상 단계 IIa 입력 및 긍정 데이터를 표시, 디자인 및 임상 항목에 대한 최초의 글로벌 AI 후보가되고. 과학은 AI 제약이 임상 착륙에 개념적 검증에서 이동했다고 언급했다.

R & D 사이클의 50% 감소
Cell 2025

머리 단백질에서 AI 디자인을 생성

RFdiffusion, ProteinMPNN, ESM3와 같은 모델은 자연에 존재하지 않는 새로운 단백질을 디자인하기 위해 설계되었습니다. 셀 2025에 의해 출판 된 연구는 AI가 천연 항체를 넘어서 단백질 프로턴 프로테지와 힘을 결합하도록 설계되었으며 바이오 제약 개발에 대한 새로운 패러다임을 엽니 다.

디자인 성공률 90%+
NEJM 2025

AI 중심의 약품의 재구축

AI는 오래된 약의 새로운 용도를 위한 clues를 제공하는 큰 양의 실제 세계 자료 그리고 분자 특성 분석합니다. NEJM 2025에 의해 간행된 학문은 COVID-19 심각한 질병의 처리를 위한 Baretini를, 임상 검증에 임상 유효성 6 달, 반영하는 AI의 임상 가치를 재조정하는 것을 보여줍니다.

인증 사이클 감소 70 퍼센트
Nat Biotech 2026

대상은 큰 모델이 있습니다.

다그룹 메가모델(scGPT, Geneformer, BioGPT)은 단일 셀 세큐싱, 유전자 표현 스펙트럼에서 새로운 타겟 포인트를 확인합니다. NAture Biotechnology 2026 연구는 Alzheimer 's Disease, non-alcoholic Fat 간 등과 같은 어려운 질병에 대한 AI 쇼 잠재력에 의해 확인 된 새로운 대상이 보여집니다.

새로운 타겟은 3 배 더 높은 것을 발견했습니다.
Lancet 2026

AI 약 안전 예측

심층 학습 기반 ADMT 예측 모델은 치독성, 심장 독성 (HERG), 신장 독성 등 부작용의 과잉률을 가지고 있습니다. Lancet 2026 용지는 AID 약물 안전 예측이 약 30 %의 임상 시험 실패율을 줄일 수 있다는 것을 강조했습니다.

우리는 30%까지 입니다.
랑후이테크 포지셔닝

Long Salang Hui 의료 데이터 전략 레이아웃

의약품 연구 및 개발의 수명주기를 커버하는 고품질의 데이터 인프라 구축 및 AI 제약 혁신을 강화

약물 부작용

200백만 + 화합물 분자 구조, 가상 검열 및 분자 발생을 지원하기 위하여 bioactive 자료

4개의 자료 세트

ADMET 사전

50+ADMT 엔드포인트, 1백만+molecule 실험적인 자료, 예측 약 대사 및 독성

3개 데이터셋

임상시험

100,000+Data for Clinical Trials 는 I-IV 프로세스를 전체적으로 다루는데, 엔트리/엔드-of-service/bad 이벤트를 포함한

4개의 자료 세트

약물 재포지셔닝

실제 세계 데이터를 기반으로 한 약물 치료 링크를 통해 오래된 약물의 새로운 발굴 지원

3개 데이터셋

약국+과학 연구소 네트워크

데이터 협력 메커니즘은 중국의 30 + 혁신적인 약 회사, CRO 및 상하이 의학 연구소, 중국 의학 아카데미에서 제약 대학 및 데이터 소스의 권위, 적용 및 전문 지적을 보장하기 위해 약국의 중국 대학에 설립되었다.

협력 적용 8% 당 8830+ 협동 기관

약리학 전문가 식별 + 감사 시스템

약국의 의사, 약학 / 약학, AAA 보조 품질 관리 시스템, 3 단계의 전문가 검사를 통해 대상 데이터, ADMT 라벨, 임상 최종 학습 해석의 전문적이고 정확한 품질을 보장합니다.

어노테이션 정확도 99.5%80+ 약사 전문가

Full-link 데이터 준수 보증

NMPA, FDA, EMA Data Management Guidelines for Drug Research and Development and GCP (약 임상 시험을위한 임상 품질 관리 지침)를 따르는 엄격한 품질 관리 지침은 모든 임상 데이터가 분산되어 완벽한 공인 된 링크가 있습니다.

NMPACompliance의 특징 FDA 기준 GCP 규범

AI+ 약리학적인 Synergetic 종합 플랫폼

자체 연구 pharmacological 전용 페데스타인 플랫폼은 분자 구조 시각화, SMILES 자동 검증, 타겟 형성 매핑, 엔드 투 클리닉 재판 해석 원조를 지원하며 인간 시너지는 3 ~ 5 배의 마킹 효율을 향상시킵니다.

SMILES 표준 PDB 형식 Chembl 호환
데이터셋 매트릭스

18개의 의료 데이터 세트

R & D 단계로, 약 발견의 4개의 주요 단면도를, ADMT의 임상 시험, 약 repositioning 덮는

복합 분자 은행

팟캐스트

ZINC, ChEMBL, PubChem Multisource Integration을 가진 200백만개의 + 화합물 분자 구조 (SMILES/InChI)

200 백만+molecules 자세히 보기 →

Target-format 조합 데이터

표적

500,000 + IC50-Ki/Kd 실험 값 및 통합 포인트로 표시된 대상 형식 쌍

500,000+가구 자세히 보기 →

Protein Structure 데이터베이스

표적

200,000+Protein3D 구조 (PDB 체재), 알파폴드 포에스트 및 실험적인 파싱 구조 포함

200,000+Structure의 자세히 보기 →

Bioactive 데이터 세트

팟캐스트

15백만 + 화합물 표적 생물성 기록은 금지/activation/coupling와 같은 활동의 각종 유형을 덮습니다

15 백만 + 기록 자세히 보기 →

ADMET 사전데이터셋

ADMET

50+ADMT 엔드포인트, 1백만+molecule 실험적인 자료, 덮음 가용성/permeability/resiliency

1백만 + 분자 자세히 보기 →

약물 독성에 Dataset

독성

hepatotoxicity/cardiology (HERG)/renal 독성/reproductive 독성과 같은 다수 내점 독성 자료

500,000+ 표본 자세히 보기 →

약 metabolic에 자료

ADMET

CYP450 E.S. 대사 안정성, 대사 제품 ID, 약 드루팔 상호 작용 자료

300,000+참고 자세히 보기 →

임상시험 등록

의약정보

I-IV 기간을 포함하는 임상 시험의 100,000+registration, 입장/외환 기준/endpoint 지시자를 포함하여

100,000+테스트 자세히 보기 →

임상시험에 대한 자료

의약정보

50,000 + 임상시험 결과 보고서, 주요 endpoint/secondary endpoint/bad 이벤트 통계 포함

50,000+ 보고서 자세히 보기 →

실제 세계 증거 (RWE)

의약정보

2백만 + 환자 진짜 세계 약 자료는 포스트 시장 평가 및 정밀도 의학 배려를 지원하기 위하여

2백만+ 환자 자세히 보기 →

나쁜 사건 보고를 위한 자료

보안

FDA FAERS 데이터베이스 구조로 편향적인 사건 보고서, 5백만개 플러스 나쁜 사건 기록

5백만 + 보고 자세히 보기 →

약물 장애에 대한 데이터

재포지셔닝

문학 광산과 실제 세계 증거에 근거한 약물 치료의 네트워크는 오래된 약물의 새로운 용도를 지원하기 위해

800,000+내용 자세히 보기 →

약국 네트워크

재포지셔닝

Multi-target 약 네트워크, 예측 약물 탈타 및 재 배치 기회

1백만+relation 자세히 보기 →

목록으로 만들어진 약 데이타베이스

재포지셔닝

글로벌 제약, 적응/회전 메커니즘/시약형/경로

15 000 + 약 자세히 보기 →

약의 텍스트 책

팟캐스트

50,000+ 구조화성/use/nox/negative 반응의 정도를 가진 약 지시의 원본

50,000+ 지시 자세히 보기 →

약물 상호 작용 (DI)

보안

2백만 + 약 드루그 상호 작용, 효력/severity/clinical 통보의 기계장치

2백만 플러스 DDI. 자세히 보기 →

Biomarks 데이터

의약정보

약은 생물학 자료에, 지원 정밀도 약 사용 및 동반 진단 발달에 반응합니다

100,000+ 로고 자세히 보기 →

Natural 제품 데이터셋

팟캐스트

중국 의약품의 현대화와 새로운 약의 발견을 지원하는 천연 제품의 300,000 + 분자 구조 및 생물학적 활동

300,000+ 분자 자세히 보기 →
데이터 샘플

의료 데이터 라벨링 형식 발표

라벨 구조와 제약 데이터 세트의 다른 유형의 설명 데이터보기

pharma-sample.json
{
  "compound_id": "ZINC000000001",
  "name": "아스피린",
  "smiles": "CC(=O)OC1=CC=CC=C1C(=O)O",
  "molecular_formula": "C9H8O4",
  "molecular_weight": 180.16,
  "logP": 1.19,
  "targets": [
    {
      "target": "COX-1",
      "ic50": 0.0015,
      "unit": "μM"
    }
  ],
  "indication": "Salvation/anti-inflammation/anti-blood 판"
}
적용 시나리오

AI+ Biopharmaceutical 신청 장면

Long Hui Medicine Data Set에서 지원하는 핵심 응용 장면

Target Discovery 및 검증

다중 그룹 데이터 및 지식지도를 기반으로 AI는 새로운 표적을 식별하고 약물 특성을 검증합니다.

가상 필터 및 분자 발생

수십억급의 복합재 방사성체 또는 스크래치에서 완전히 새로운 분자 구조의 생성

ADMET 사전

약물 대사 및 독성의 조기 예측, 포스트 진료 실패의 위험을 감소

약물 재포지셔닝

이미 시장에 내놓은 약을 위한 새로운 적응을 파는 것은, 연구와 개발 주기를 감소시키고 비용

임상시험 최적화

AI-assisted 환자 입장 검열, 끝점 예측, 시험 설계 최적화

약 안전 감시

A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A. A.

자주 묻는 질문

제약 데이터의 일반적인 문제

Long Hye Medicine Data Set에 대한 일반적인 질문 답변

제약 데이터는 어떻게 준수합니까?

Langhui는 NMPA (국약국), FDA 및 EMA 및 GCP (약 임상 시험을 위한 품질 관리 지침)와 같은 규제 기관의 자료 관리 요구에 엄격히 따릅니다.

대상 형식의 조합 데이터는 정확도를 보장합니까?

Target-format data는 제약 회사와 공동으로 ChEMBL, BindingDB, PDFbind 및 내부 실험 데이터와 같은 권위있는 공공 데이터베이스에서 파생됩니다.

데이터 세트에 의해 어떤 분자 형식을 지원합니까?

다양한 표준 분자 형식을 지원합니다: SMILES (선형 분자식), InCHI/InchiKey (국제 화학 표하기), MOL/SDF (molecule 구조 문서), PDB (단백 3D 구조), CIF (정형 정보 파일).

특정 질병 지역에 대 한 약물 데이터 사용자 지정할 수 있습니까?

Langhui는 클라이언트의 연구 오리엔테이션 (예를들면 종양, 신경절제 질병, 대사 질병, 등)에 따라 특정 질병 지역에 있는 수집하고, 통합하고, 상표 약 자료를 제공하는 주문을 받아서 만들어진 자료 서비스를 제공합니다. 우리는 마커의 납품에 자료 수집에서 정상적인 6-10 주 주기와 더불어 주문을 받아서 만들어진 필요에 빨리 반응하는 연구 기관과 일하는 30+ 회사의 네트워크가 있습니다.

의료 데이터셋은 접근 및 사용 허가가 될 수 있습니까?

데이터 사용률 및 지적재산권 보호를 보장하기 위해 데이터 사용 계약(DUA)에 서명하고 해당 데이터 승인 프로그램을 제공 할 것입니다.

AI Pharmaceuticals의 데이터베이스 구축

Longhui 기술 약 Dataset, AI+ biopharmaceutical 혁신을 위한 고품질, 고분고분한 믿을 수 있는 자료 지원을 제공하십시오