About company
广州市殷赋信息科技有限公司
广州市殷赋信息科技有限公司（简称“殷赋科技”），成立于2015年11月。承蒙多所高校教授与研究生的鼎力支持，我们在药物设计与筛选、计算化学/化学信息学、计算生物学/生物信息学及机器学习等领域进行了长期研究并积累了丰富的实践经验。
殷赋科技坚持“科技引领创新，专业提升效率”的理念，致力于成为国际领先的科研与应用信息技术服务提供商，推动国内外科研、教育机构与研发企业共同发展，在“信息咨询、计算服务、教育培训、软件开发”等方面为客户提供优质的一站式服务。
聚生物推荐技术
分子对接服务
我们采用分子对接方法，主要进行以下两方面的研究：
结合模式预测：研究/预测活性小分子与生物大分子之间的相互作用，了解其作用机制。
高通量虚拟筛选：从化学数据库中快速找到具有潜在活性的小分子，节省实验成本，提高命中率。
虚拟筛选服务
采用高通量虚拟筛选方法可从大型化合物库（如约20万个化合物的SPECS库，超过1亿个可购买化合物的ZINC库）中迅速筛选出有潜在活性的药物分子，阳性率一般在5%~20%。
还可提供特定数据库的处理等服务。
分子动力学模拟
Molecular Dynamics，MD，服务内容：
常规分子动力学模拟：
研究配体-受体复合物体系的相互作用机制：相互作用模式、诱导契合效应、蛋白骨架运动；
预测活性小分子的结合自由能（从而预测Ki、IC50），阐明机理或指导结构改造；
优化蛋白结构，如对同源模建得到的结构进行结构优化。
蛋白质结构预测（同源模建）
同源模建的基本流程为：
序列搜索（query），获得已知结构的同源蛋白作为模板蛋白；多重序列比对（multiple sequence alignment），确定同源蛋白的结构保守区（SCRs）和相应的框架结构（framework）；构建目标蛋白的三维结构，包括主链、侧链和环区建模，通常采用拷贝骨架、构建侧链、补全缺失残基和优化环区等方法（通常需要反复调试）；能量最小化（energy minimization）（通常是反复迭代的过程）； 结构合理性评估（evaluation）。