核心優勢
-
龐大物質數據庫（化學物質分子數據、中藥成份分子數據、食品成份分子數據等） -
建立一套具系統性、可檢索的抗老物質數據庫 -
建構用於篩選抗老物質的 AI 演算法模型 -
運用 AI 模型，於小分子數據庫進行高通量虛擬篩選，預測全新抗老物質 -
透過生物實驗，檢測及驗證 AI 篩選所得抗老物質的功效
衰老干預全新靶點研發
AI 網絡藥理學平台
CELFULL 的 AI 網絡藥理學平台處於衰老干預研究的前沿。我們運用先進自然語言處理（NLP）技術，分析大量公開文獻，搭建完備的抗老物質數據庫。此數據庫是我們 AI 模型的核心基礎；模型按照特定標準訓練，用以識別具備抗老特性的分子。 我們採用數據驅動的 AI 方法，對潛在抗老分子開展虛擬篩選。篩選出的候選物質會透過詳細的細胞實驗與動物測試，嚴格測試其針對衰老產生的生物效用。相較傳統生物實驗方式，這套基於 AI 的抗老物質篩選流程，不但效率更高，成本效益亦更佳。用於綜合分析的龐大數據庫
本平台內置龐大數據庫，當中包括：
- 化學物質分子數據
- 中藥成份分子數據
- 食品成份分子數據，以及更多數據
這套內容豐富的數據庫，協助我們建構精密的 AI 演算法模型，用以篩選抗老物質，並透過多組學數據、物質‑靶點交互數據等數據網絡，預測全新衰老相關靶點。我們的目標是找出潛在抗老靶點，再透過嚴謹的細胞或動物實驗，評估其對衰老過程帶來的影響。
核心優勢
-
龐大物質數據庫（化學物質分子數據、中藥成份分子數據、食品成份分子數據等）
-
建立一套具系統性、可檢索的抗老物質數據庫
-
建構用於篩選抗老物質的 AI 演算法模型
-
運用 AI 模型，於小分子數據庫進行高通量虛擬篩選，預測全新抗老物質
-
Biological experiments to detect and validate the function of AI screening anti-aging substances
CANDI‑GENE 技術套件
我們的 AI 網絡藥理學平台包含：
AI 網絡藥理分析器
基因組分析器
蛋白動力學分析器
計算生物學分析器
透過以上各分析器與演算法，可分析超過 16 億組分子與蛋白靶點之間的交互作用；數據涵蓋 2000 個物種，合共 7.5 億種物質及 960 萬種蛋白。
