Langhui
Инфраструктура биофармацевтических данных AI+

Pharmaceuticalsданные
Drive the A.I. Pharmaceutical Future (недоступная ссылка)

В области глубокомасштабных биофармацевтических препаратов AI+ компания Longhui Technologies создала 18 высококачественных наборов данных, охватывающих весь жизненный цикл разработки лекарств, начиная от обнаружения целей, скрининга соединений, прогнозирования ADMT до клинических испытаний, перепозиционирования лекарств и предоставления полной поддержки данных для фармацевтической модели ИИ от раннего выявления до оценки после выхода на рынок.

18
PharmaceuticalsНабор данных
Более 200 млн
Молекулы соединений
500 тыс.+
Пара таргетных форматов
100 000+
Отчеты клинических испытаний
ai-drug-discovery.py
import langhuiai as lh

# Загрузка сложного резервуара и молекулярные характеристики
compounds = lh.pharma.load_compounds(
  source='ZINC/ChEMBL/PubChem',
  count=200000000
)

# Загрузка данных комбинации сборки целей
target_ligand = lh.pharma.load_target_ligand(
  targets=500000,
  assays='IC50/Ki/Kd'
)

Серия тренингов ADMET по прогнозированию
admet = lh.pharma.load_admet(
  endpoints=50,
  molecules=1000000
)

# Данные клинических испытаний
trials = lh.pharma.load_clinical_trials(
  phases='I/II/III/IV'
)

print(«Фармацевтические данные Ai загружены».)
Достижения в фармацевтическом фронте AI

2025-2026 Прорыв в области биофармацевтического ИИ

От AlphaFold 3 до клиники AI Design Medicine Clinic III, от дизайна белка до перепозиционирования лекарств, ИИ реконструирует парадигму лекарств.

Nature 2025

AlphaFold 3 протеиновый прогноз

DeepMind публикует AlphaFold 3, который достигает первого предсказания структуры белка + РНК + ДНК + малого молекулярного состава, гораздо более точной, чем AlphaFold 2. Nature 2025 рассматривает это как «новую эру структурной биологии» и уменьшает структуру мишеней лекарств от месяцев до минут.

Структура предсказывает в тысячу раз быстрее.
Science 2025

Препараты для проектирования ИИ вступают в клиническую фазу III

Специальный препарат для лечения легочного фиброза Insilico Medicine INS 018_055 вошел в клиническую фазу IIa и показал положительные данные, став первым глобальным кандидатом на разработку и клинический ввод ИИ. Наука прокомментировала, что фармацевтические препараты ИИ перешли от концептуальной проверки к клинической посадке.

50%-ное сокращение цикла R&D
Cell 2025

Генерация дизайна ИИ из белка головы

Такие модели, как RFdiffusion, ProteinMPNN, ESM3, были разработаны для разработки нового белка, который не существует в природе. Исследование, опубликованное Cell 2025, демонстрирует, что ИИ предназначен для объединения белкового протона и силы за пределами естественных антител, а также для открытия новой парадигмы биофармацевтического развития.

Успех в дизайне 90%+
NEJM 2025

Репозиционирование препаратов, управляемых ИИ

ИИ анализирует реальные данные и молекулярные характеристики больших количеств, предоставляя подсказки для нового использования старых лекарств. Исследование, опубликованное NEJM 2025, показывает, что ИИ перепозиционировался для выявления Баретини для лечения серьезных заболеваний COVID-19, от гипотетической до клинической проверки всего за шесть месяцев, отражая клиническую ценность перепозиционирования ИИ.

Сокращение цикла сертификации на 70 процентов
Nat Biotech 2026

Цель имеет большую модель.

Многогрупповые мегамодели (scGPT, Geneformer, BioGPT) идентифицируют новые целевые точки из одноклеточного секвенирования, спектра экспрессии генов. Исследования NAture Biotechnology 2026 показывают, что новые цели, идентифицированные ИИ, показывают потенциал для сложных заболеваний, таких как болезнь Альцгеймера, безалкогольная жировая печень и т. Д.

Новая цель была найдена в три раза выше.
Lancet 2026

Прогноз безопасности лекарственных средств

Модель прогнозирования ADMT на основе углубленного обучения имеет точную скорость переоценки побочных эффектов, таких как гепатотоксичность, сердечная токсичность (HERG), токсичность почек и т. Д. В статье Lancet 2026 подчеркивается, что прогнозы безопасности лекарств от AID могут снизить частоту неудач клинических испытаний примерно на 30%.

Мы снизились до 30%.
Лонгхуэйский макет

Долгосрочная стратегия медицинских данных Саланг Хуэй

Создайте высококачественную инфраструктуру данных, которая охватывает жизненный цикл исследований и разработок лекарственных средств и расширяет возможности фармацевтических инноваций ИИ.

Поиск препаратов

200 миллионов + молекулярная структура соединения, биоактивные данные для поддержки виртуального скрининга и молекулярной генерации

4датасетов

Прогнозирование ADMET

50+ADMT конечная точка, 1 миллион+молекулярных экспериментальных данных, прогнозирующих метаболизм и токсичность лекарств

3датасетов

Clinical Trials

100 000+Данные клинических испытаний, охватывающих весь процесс I-IV, включая ввод / окончание обслуживания / плохие события

4датасетов

Перепрофилирование препаратов

Связи между наркотиками и болезнями, основанные на реальных данных, поддерживают новые раскопки старых лекарств

3датасетов

Сеть фармацевтических и научных институтов

Механизмы сотрудничества в области данных были созданы с ведущими научными институтами 30 инновационных фармацевтических компаний в Китае, CRO и Шанхайским институтом медицины при Китайской академии медицины и Китайским фармацевтическим университетом для обеспечения авторитета, охвата и профессионального назначения источников данных.

Охват сотрудничеством 88 процентов30+ Кооперативное агентство

Идентификация фармакологических экспертов + система аудита

Докторская степень в области фармации, экспертиза в области фармакологии / фармакологии, Вспомогательная система контроля качества ААА, система 3 уровня для обеспечения профессиональной и точной информации о целевой форме, этикетки ADMT, клинической интерпретации.

Аннотация Точность 99.5%80+ Фармацевтический специалист

Обеспечение соблюдения требований к полносвязным данным

Строго следуя рекомендациям NMPA, FDA, EMA Data Management Guidelines for Drug Research and Development и GCP (Merticultural Quality Management Guidelines for Drug Clinical Trials), все клинические данные являются недискриминированными и имеют полную авторизованную ссылку.

NMPAКомплаенс Стандарт FDA Код GCP

Платформа фармакологического синергетического синдиката AI+

Фармакологическая платформа для самостоятельного изучения поддерживает визуализацию молекулярной структуры, автоматическую проверку SMILES, картирование целевой формы, помощь в интерпретации результатов клинических испытаний и синергию человека, что повышает эффективность маркировки в три-пять раз.

Стандарт улыбок Формат PDB совместимый с чешским
Матрица набора данных

18 медицинских данных с первого взгляда

На стадии R & D, охватывающей четыре основных раздела открытия лекарств, ADMT, клинические испытания, перепозиционирование лекарств

Составной молекулярный банк

Discovery

200 млн + составная молекулярная структура (SMILES/InChI) с ZINC, ChEMBL, PubChem Multisource Integration

200 миллионов + молекул Details →

Данные о комбинации таргет-формат

Цель

500 000 + пары формата-мишени, отмеченные экспериментальными значениями IC50-Ki/Kd и точками интеграции

500 000+Выбрать Details →

База данных о структуре белка

Цель

200 000+ Структура белка3D (формат PDB), содержащая прогноз AlphaFold и экспериментальную структуру парсинга

200 000+ Структура Details →

Биоактивные наборы данных

Discovery

15 миллионов записей биоактивности, охватывающих различные виды действия, такие как ингибирование / активация / соединение

15 миллионов + рекорды Details →

ADMET Прогнозирование набора данных

ADMET

50+ADMT конечная точка, 1 млн+молекулярных экспериментальных данных, охватывающих растворимость/проницаемость/устойчивость

1 миллион + молекулы Details →

Набор данных о токсичности наркотиков

токсичность

Многократные данные о токсичности конечных точек, такие как гепатотоксичность/кардиология (ГЭРГ)/токсичность почек/репродуктивная токсичность

500 000 + выборка Details →

Данные о лекарственном метаболизме

ADMET

CYP450 E.S. Метаболическая стабильность, метаболическая идентификация продуктов, данные о взаимодействии лекарственных средств

300 000+ записей Details →

Регистрационные данные для клинических испытаний

Clinical

100 000+ регистрация клинических испытаний, охватывающих I-IV период, включая критерии входа / исключения / показатели конечных точек

100 000++тест Details →

Данные клинических испытаний

Clinical

50 000 + отчет о результатах клинических испытаний, включая статистику основных конечных точек / вторичных конечных точек / плохих событий

50 000+ отчет Details →

Реальные мировые доказательства (RWE)

Clinical

2 миллиона данных о реальных лекарствах для поддержки пост-рыночной оценки и точной медицинской помощи

2 миллиона+ пациентов Details →

Данные для сообщения о плохих инцидентах

Чисто.

База данных FDA FAERS структурно несовершенный отчет об инцидентах, 5 миллионов плюс плохой отчет о инцидентах

5 млн. + отчетность Details →

Данные о корреляции между лекарственными заболеваниями

Репозиция

Сеть связей между наркотиками и болезнями, основанная на анализе литературы и реальных данных, подтверждающих новые виды использования старых наркотиков

800 000+ контента Details →

Сеть нарко-мишеней

Репозиция

Многоцелевая сеть лекарственных средств, прогнозирование возможностей детаргетинга и позиционирования лекарственных средств

1 млн.+отношение Details →

Перечисленная база данных по наркотикам

Репозиция

Глобальная полная информация о перечисленных лекарственных средствах, включая адаптивные/ролевые механизмы/типы агентов/паттерны

15 000 + Наркотики Details →

Текст книги инструкции по наркотикам

Discovery

50 000+ Структурированный текст инструкций по лекарственным средствам со степенью адаптивности/использования/нокса/отрицательной реакции

50 000+ инструкций Details →

Взаимодействие с наркотиками (DI)

Чисто.

2 млн. + лекарственно-лекарственные взаимодействия, механизм эффекта/суровости/клинические рекомендации

Два миллиона плюс DDI. Details →

Данные биомарки

Clinical

Препараты реагируют на данные биомаркеров, поддерживая точное использование лекарств и сопровождая диагностическое развитие.

100 000+ логотип Details →

Набор данных о натуральных продуктах

Discovery

300 000 + молекулярная структура и биологическая активность натуральных продуктов, поддерживающих модернизацию китайской медицины и открытие новых лекарств

300 000+молекулярных Details →
Data Sample

Представление формата маркировки медицинских данных

Просмотреть структуру этикетки и иллюстративные данные различных типов набора данных для фармацевтических препаратов

pharma-sample.json
{
  "compound_id": "ZINC000000001",
  "name": "Аспирин".,
  "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": "Спасение/противовоспаление/противокровная пластина".
}
Сценарии применения

Сцена применения биофармацевтических препаратов AI+

Сцена основного приложения, поддерживаемая набором данных Long Hui Medicine

Обнаружение и проверка целей

На основе многогрупповых данных и карт знаний ИИ определяет новые цели и проверяет свойства лекарств.

Виртуальный фильтр и молекулярная генерация

Скрининг молекул-кандидатов из миллиардного резервуара соединений или генерация совершенно новой молекулярной структуры с нуля

Прогнозирование ADMET

Раннее прогнозирование метаболизма и токсичности лекарственных средств, снижение риска постклинической недостаточности

Перепрофилирование препаратов

Выкапывание новых адаптаций для уже продаваемых лекарств, сокращение цикла исследований и разработок и затрат

Клинические испытания оптимизированы

Скрининг входа пациента с помощью ИИ, прогнозирование конечной точки, оптимизация дизайна исследования

Мониторинг безопасности лекарственных средств

А.А.А.А.А.А.А.А.А.А.А.А.А.А.А.А.

Common problems

Общие проблемы с фармацевтическими данными

Ответ на вопрос для набора данных Long Hye Medicine

Как фармацевтические данные обеспечивают соответствие?

Langhui строго следует требованиям к управлению данными регулирующих органов, таких как NMPA (Национальное управление по лекарственным средствам), FDA и EMA, а также GCP (Руководство по управлению качеством клинических испытаний лекарственных средств).

Как данные комбинации таргет-формата обеспечивают точность?

Данные в виде целевых форматов получены из авторитетных общедоступных баз данных, таких как ChEMBL, BindingDB, PDFbind и внутренних экспериментальных данных в сотрудничестве с фармацевтическими компаниями.

Какие молекулярные форматы поддерживаются набором данных?

Поддерживает различные стандартные молекулярные форматы: SMILES (линейная молекулярная экспрессия), InCHI/InchiKey (международная химическая маркировка), MOL/SDF (документ молекулярной структуры), PDB (белковая 3D-структура), CIF (информационный файл кристаллологии).

Можно ли настроить данные о лекарствах для конкретных областей заболеваний?

Langhui предоставляет индивидуальные услуги по сбору, интеграции и маркировке данных о лекарственных препаратах в конкретных областях заболеваний в соответствии с исследовательской ориентацией клиента (например, опухоли, нейродегенеративные заболевания, метаболические заболевания и т. Д.). У нас есть сеть из 30+ компаний, работающих с исследовательскими институтами, которые быстро реагируют на индивидуальные потребности, с нормальным циклом 6-10 недель от сбора данных до доставки маркеров.

Как можно получить доступ к медицинским наборам данных и использовать их авторизованно?

Мы предоставим соответствующую программу авторизации данных на основе вашей сцены использования (академические исследования / бизнес-исследования / разработки / обучение) и подпишем Соглашение об использовании данных (DUA) для обеспечения соблюдения требований к использованию данных и защиты интеллектуальной собственности.

Создание базы данных AI Pharmaceuticals

Langhui Medicine Dataset, обеспечивающий высококачественную, совместимую и надежную поддержку данных для биофармацевтических инноваций AI+