最近在试用 DrugFlow —— 碳硅智慧（CarbonSilicon AI）出品的 AI 药物发现 Web 平台。拿到 200 万 token 的试用额度后，我把三个核心模块跑了一遍：Inno-Docking、Virtual Screening、Inno-PepDocking。这篇文章把测试过程和结果完整记录下来，供同样在关注 AI4Bio 工具的研究者参考。
DrugFlow 是谁家的？
幕后玩家是 碳硅智慧（CarbonSilicon AI）。这家公司在 AI4Bio 圈做了几件事：
- CarsiDock：自研 AI 分子对接算法
- CarsiScore：配套的 AI 打分函数
- DrugFlow：把自研工具打包成 Web 平台
定位是国产版 "AI 药物发现 SaaS"。
13 个模块覆盖完整 pipeline
打开 Dashboard，可以看到模块按类别组织。
对接与打分类
- Inno-Docking — 整合 AutoDock Vina（经典）+ CarsiDock（自研 AI）+ Boltz2（柔性）三种引擎
- Inno-PepDocking — 多肽对接，基于 RAPiDock 算法
- Inno-Rescoring — AI rescoring 重新评估结合亲和力
- Inno-ADMET — 成药性系统评估
分子设计与建模
- Molecular Factory — AI 分子生成
- Inno-QSAR Application — QSAR 活性预测
- Molecular Data Preprocessing
应用场景
- Virtual Screening — 自定义虚拟筛选 pipeline
- AI Spectrum — 碳谱辅助分子结构鉴定
- Structure Extraction & Table Recognition — 图像里抽分子结构
底层工具
- Protein Preprocessing / Ligand Preprocessing 等
涵盖范围从靶点到候选药全栈。
Inno-Docking 跑 KRAS G12C + Sotorasib
体系选择
KRAS G12C 是近年最受关注的抗癌靶点之一，Sotorasib（Amgen 的 AMG 510）是第一个上市的 KRAS G12C 共价抑制剂。PDB 6OIM 是它们的共晶体结构，适合做 redocking benchmark。
流程
三步走：Protein Preprocessing → Ligand Preprocessing → Set Docking Parameters。
第一步 — 蛋白预处理：上传 6OIM.pdb 后，平台自动识别出三个非蛋白组分（Mg²⁺、GDP、Sotorasib），并把 5Å 范围内的水分子可视化标出，专门标记了具有 water-bridge 角色的水分子。
蛋白准备选项包括：
- Add Missing Residue / Repair Faulty Structure
- Add Hydrogens
- Modify Protonation at pH 7.4
- Optimize Hydrogen Bonding Network
- Energy Minimization（AMBER FF14SB 力场）
第二步 — 配体预处理：上传 Sotorasib 的 SDF（PDB ligand code: MOV），平台支持：
- Disconnect Groups（断开非共价片段）
- Generate Isomers（生成异构体，pH 7.4 ± 0.2）
- Tautomers / Stereoisomers 处理
- MMFF94 力场优化
第三步 — 对接参数：选择 CarsiDock 引擎，box center 自动锁定 MOV（Sotorasib）原位置，开启 RTMScore rescoring。
成本：400 tokens / 单次对接。
结果
| Metric | Value |
|---|---|
| Redock RMSD | 1.299 Å |
| CarsiScore (redock pose) | −5.076 |
| RTMScore (redock pose) | 33.296 |
| Valid Results | 2 / 2 |
3D 叠合图中红色（reference）和蓝色（redock）的整体走向吻合，主体骨架重合度高，末端有轻微偏移。
此次测试用的是 6OIM 直接抽出来的蛋白（已经处于 Sotorasib 结合态的 induced-fit 构象），属于 self-docking 场景。
Virtual Screening 跑 4317 个 FDA 药物
测试设计
试用账户只能使用 Drug Repurposing Compound Library（4,317 个已上市/临床候选药）。用 KRAS G12C 作为靶点筛选这批化合物。
漏斗式 Pipeline
DrugFlow 的虚拟筛选采用多级漏斗设计。前面用快算法粗筛，后面用慢算法精筛。
结果
跑完 50 个 hits，导出 CSV 带完整的物化性质和聚类标签。
| 属性 | 平均值 | 分布说明 |
|---|---|---|
| MW (Da) | 429 | 302 – 674 |
| LogP | 2.09 | 1.11 – 2.91 |
| TPSA (Ų) | 100 | 53 – 140 |
| LogS | −3.44 | −3.98 – −2.46 |
| Lipinski 五规则零违反 | 86% (43/50) | |
| 化学多样性 (cluster / 分子) | 49 / 50 | |
| Rank | CarsiScore | MW | 骨架特征 |
|---|---|---|---|
| 1 | −5.71 | 432 | 双吡啶 + 苯并呋喃 + 酰胺 |
| 2 | −5.32 | 354 | 二甲氧基色烯 + 嘧啶二胺 |
| 3 | −4.76 | 395 | 三唑并哒嗪 + 氟苯 |
| 4 | −4.73 | 317 | 吡唑并喹啉酮 + 异吲哚啉 |
| 5 | −4.71 | 375 | 萘啶 + 多吡唑 |
残基接触分析
Top 50 hits 频繁接触的残基统计如下：
| 残基 | 命中次数 (/50) |
|---|---|
| Lys22 | 53 |
| Thr88 | 28 |
| Asp87 | 16 |
| Val20 | 15 |
| Val7 | 12 |
| Val8 | 7 |
另外在 Top 50 hits 中，Michael acceptor 基团出现 1 次，Acrylamide 基团出现 1 次。两种 AI 打分函数的一致性指标：CarsiScore vs KarmaScore 的 Pearson 相关 = 0.41，Spearman 相关 = 0.27。
Inno-PepDocking 跑 MDM2 + p53 模拟肽
测试体系
MDM2 + p53 peptide（PDB 1YCR），peptide-protein docking 领域的经典 benchmark 体系。
流程亮点
Peptide Input 界面支持 72 种非天然氨基酸。
除了 20 种标准氨基酸，还支持用 [XXX] 格式输入：
- 磷酸化修饰：SEP (pSer)、TPO (pThr)、PTR (pTyr)
- 甲基化修饰：MLZ、MLY
- 乙酰化修饰：ALY (acLys)
- 其他：HYP（羟脯氨酸）、MSE（硒甲硫氨酸）等
这对 PTM 研究和 peptidomimetic 药物设计有实用意义。
测试参数
- 输入肽序列：
ETFSDLWKLLPEN（13 mer，p53 17-29 关键肽段） - Docking Box：自动锁定 chain B 原位置，31 × 27.5 × 25 Å
- Algorithm：RAPiDock
结果
| Index | Sequence | Ref2015 Score |
|---|---|---|
| ref-1（晶体真值） | ETFSDLWKLLPEN | −57.77 |
| 1-1（RAPiDock 预测） | ETFSDLWKLLPEN | −47.88 |
Ref2015 是 Rosetta 标准打分函数，越负越好，单位 Rosetta Energy Unit (REU)。预测姿态比晶体真值的 Ref2015 分数高 9.89 REU。
Inno-Docking — KRAS G12C + Sotorasib redocking，RMSD 1.299 Å，单次成本 400 tokens。
Virtual Screening — 4317 个 FDA 药物筛选，输出 50 个 hits，化学多样性高（49 cluster），drug-likeness 性质分布合理。
Inno-PepDocking — MDM2 + p53 13-mer 肽段对接，RAPiDock 算法预测姿态 Ref2015 = −47.88，参考晶体结构 −57.77。支持 72 种非天然氨基酸输入是这个模块的差异化特性。
完整功能矩阵覆盖了从蛋白/配体预处理 → 对接 → 打分 → 虚拟筛选 → ADMET → 分子生成的全流程。