我在研究一个很新的靶点，想发现针对该靶点的一些分子，MaXFlow可以帮我做些什么？

针对一个全新的靶点：

MaXFlow部署有基于靶点蛋白口袋的分子生成模型，用户可以基于该功能生成指定数目的小分子。

还可以通过分子对接、分子动力学、ADMET预测、类药性筛选、合成能力计算、逆合成预测等手段进行全流程先导化合物筛选。

MaXFlow平台的机器学习或深度学习模型的训练数据量大概需要多少？训练效果如何评估？

对于机器学习或深度学习模型：

训练数据取决于所需解决问题的难易程度；所采用的模型的复杂程度（模型参数数量）；想要达到什么样的性能。

对于传统的机器学习算法，性能是按照幂律增长的，一段时间后趋于平稳。对于深度学习，性能随着数据的增加呈现对数增长。

针对一些MaXFlow平台已经训练好的预测模型，我们采用权威的开源数据库进行训练，如对于ADMET性质预测，我们试用TDC数据库上的所有相关数据进行训练。

对于精确度我们有配置专门的评估参数来对模型训练的效果进行评估，比如R2值、MAE、MSE、RMSE、MAPE、MedAE、Pearson r等以及相应的拟合曲线图。

MaXFlow平台在大分子药物方面有何功能部署？

MaXFlow平台在大分子药物方面的功能同样分为CADD和AIDD两个方面。

在CADD方面，支持蛋白、抗体、肽段、核酸同源建模、蛋白蛋白对接、多蛋白对接、抗体抗原对接、分子动力学模拟；

在AIDD方面，支持PPI预测、抗体人源化预测、抗体补位预测、PTM位点预测等。

MaXFlow通过收集客户需求以及前沿技术，正在不断规划更新更多的功能用于推动大分子药物发现。

MaXFlow平台是否可以进行分子动力学模拟？采用的什么引擎？可以进行哪些性质分析？

MaXFlow平台进行分子动力学的引擎主要采用GROMACS和LAMMPS。生命科学方面使用GROMACS。

目前性质分析部分不仅支持基础的理化性质分析、骨架波动分析（RMSD、RMSF），还支持蛋白质二级结构分析、热点残基分析（丙氨酸扫描、能量分解）、结合自由能分析（FEP自由能、MMPBSA）、相互作用分析（氢键分析、盐桥分析、ππ堆积、残基相互作用、疏水相互作用）、回旋半径、势能分析、构象转变分析、轨迹矫正分析、径向分布分析、蛋白聚类分析、距离分析、主成分分析、动态互相关矩阵分析、自由能形貌图绘制等。

MaXFlow平台在AIDD方面有哪些功能？

MaXFlow平台将先进的AI算法通过使用权威的数据库进行训练，并整合进MaXFlow相对应的组件中，来实现不同的AI预测功能。

比如：

ADMET预测、逆合成预测、药靶亲和力预测、抗体人源化预测、抗体补位预测、PPI预测等。

以及几十种机器学习以及深度学习框架的整合，分为分类模型、聚类模型、回归模型、自动机器学习模型、以及GNN、CNN、DNN等深度学习模型，用户可以输入自己的数据集进行训练并应用，如QSAR模型的搭建。

MaXFlow有多少种可以支持构建QSAR的模型？怎么判断那种模型更适合我的体系？

MaXFlow平台目前暂时有机器学习加深度学习算法共47种。

其中包括融合了：9种机器学习模型的自动机器学习算法，17种分类算法，5种聚类算法，21种回归算法，GNN算法、DNN算法、CNN算法。

MaXFlow的工作流模式可以支持用户通过一条工作流同时运行多种算法进行训练，运行完成后可以根据每个模型的评估值以及拟合曲线找到最优的模型。同时用户也可以直接使用自动机器学习算法进行训练。

MaXFlow平台主要由哪些模块组成？

结构构建模块

可以对蛋白、小分子、肽段、抗体、核酸等结构进行构建及绘制

工作台模块

对上传的数据、搭建的工作流、部署的APP以及运行的任务进行管理和共享

工作流模块

通过拖拽及连接相应的功能组件搭建成工作流完成所需科研任务

APP模块

可以直接使用hjc888黄金城部署的APP或通过工作流模块部署APP再用于后续科研任务