FIELD ATLAS · AI FOR DRUG DISCOVERY
找到 AI 药物发现的
下一步
不是把课程、论文、代码和数据库堆在一起,而是按真实研发问题重新标注:先理解什么、该用什么、如何把一条工作流跑通。
MAP / 001DMTA COORDINATES
LEARN ↔ USE循证更新 · 中文索引
423篇知识文章
12个研发模块
100+工具与数据库
2条主轴:学 / 用
01
CHOOSE A ROUTE
你今天要解决什么?
01
入门 · 学习地图
全局地图、学习路线、入门教程与公开课、资源导航
30 篇
02
分子表示
分子表征、指纹、相似性、骨架、数据清洗与化学空间
25 篇
03
成药性
ADMET、理化性质、成药性规则、靶点结合实验
35 篇
04
结构与模拟
口袋/药效团、Docking、结构预测、MD 与自由能
40 篇
05
AI 模型
经典论文精读、模型范式、方法论与陷阱
40 篇
06
开源工具
化学信息学、对接、结构、模拟、生成的开源工具栈
55 篇
07
数据资源
化合物/结构/活性数据库、Benchmark、组学数据
45 篇
08
平台与公司
商业平台、CADD 软件、AI 制药公司案例
55 篇
09
实战流程
从拉数据到生成分子的 DMTA 端到端工作流
30 篇
10
新药模态
TPD、抗体/生物药、多肽、核酸、共价/PPI
28 篇
11
合成与工艺
逆合成、反应预测、晶型/CMC、自动化合成
18 篇
12
决策与监管
Hit→候选药决策、PK/PD、毒理、监管与可信 AI
22 篇
03
STARTER DOSSIER
先读这五篇
用最短路径建立 AI 药物发现的共同语言,再决定下一段深入方向。
04
WORKFLOW
所有知识,最终回到 DMTA 闭环
01定义问题→02准备数据→03建模排序→04设计分子→05合成验证→06回流迭代
NEED A WORKING SYSTEM?
查看服务方案 →
从“知道工具”到“让团队跑起来”
企业内训、私有化 AIDD 环境、工作流设计与 POC 陪跑。