我们在蛋白质设计领域不断创新。我们的业务活动始于 2024 年 11 月！
通过结合物理学、机器人启发算法、深度/机器学习和自动推理，我们从基本原理出发设计改进的蛋白质，并为客户提供适用于各类应用的优化分子。
我们纯粹的干实验 (in silico)设计过程避免了大部分昂贵且耗时的实验。只有经过精心挑选的设计才需要进行测试。
我们的 AI 驱动设计方法能够赋予蛋白质新的、理想的特性，提供进化尚未探索过的序列。
凭借极高的灵活性，我们的设计引擎可以提供匹配您需求的定制化解决方案：特异性、稳定性、序列组成、活性等。
每一个设计问题都是独特的。我们提供多种服务，适应从最简单到最具挑战性的各种不同需求。
物理学、机器学习与机器人技术，由自动推理统一驱动。
我们的技术依赖于基于物理的建模与机器人启发式建模的颠覆性结合；从自然界和实验结果中提取的机器与深度学习信息；所有这些都由专用的自动推理引擎统一，能够高效且优化地将这些不同的信息源与客户自定义的序列要求相整合。
得益于这种独特的功能组合，我们可以针对多种蛋白质特性进行优化，包括耐热性、活性、溶解性、特异性、选择性或亲和力。
从基本原理和通用数据出发，我们的技术适用于孤儿蛋白质、从头设计 (de novo) 的蛋白质以及现有蛋白质，包括酶、结合剂或自组装系统。
它可以助力改善多个领域的蛋白质工艺，包括生物技术、化学、生物能源、健康、环境和食品。
在结构信息可用时，我们依靠最新的原子和量子分子建模力场及评分函数，选择能够使您的蛋白质在真实环境中有效且能抵抗各种压力的氨基酸序列。
利用结构和序列数据库中的所有可用数据，我们采用最新的生成式机器学习和深度学习技术，从自然界和其他实验数据中提取序列、结构与功能之间的关系信息。得益于此，表达性等定义尚不明确的特性也可以得到优化。
蛋白质可以被建模为具有多个自由度的复杂多关节机器人系统。我们利用先进且快速的机器人启发式算法，高效捕获目标蛋白质的关键灵活性，从特定的循环运动到核心配体进出路径。
我们的最终序列设计引擎依赖于最先进的 AI 自动推理技术，将物理、机器学习和机器人技术提供的所有信息与客户的具体要求相结合，高效生成多样化的序列库，同时兼顾多个目标构象状态。
由敬业且经验丰富的专业人士组成的团队。
联合创始人
Sophie 是 INRAE 的研究总监，专注于蛋白质建模和设计。她在与学术实验室和公司合作设计具有改进和新型功能的蛋白质方面拥有丰富的经验，这些蛋白质广泛应用于生物技术和健康领域。她的专业领域涵盖计算蛋白质设计、结构生物信息学的方法论开发、结构-功能关系研究以及理性蛋白质工程。她合著了 60 多篇科学论文和 5 项专利，并为多种分子和设计方法（基于 AI）的开发做出了贡献。
联合创始人
Juan 是 CNRS 的研究总监，也是一位专注于算法机器人技术的计算机科学家。他是基于机器人和人工智能算法开发结构生物信息学方法的先驱之一。在过去的 15 年里，他与生物化学家、生物学家和物理学家合作，在该领域进行了卓有成效的跨学科研究。他合著了 90 多篇科学论文，并协调开发了多个软件包和工具，特别是 MoMA.
联合创始人
Thomas 是 INRAE 的研究总监，也是一位计算机科学家。他专注于将逻辑和数值自动推理与概率机器学习及深度学习方法相结合的混合系统。他还为这些方法在计算生物学（从遗传学、基因组学到结构生物学）中的扩展和应用做出了贡献。他合著了 160 多篇科学论文以及多个原创的生物信息学和核心人工智能软件。他是人工智能促进协会 (AAAI) 院士以及欧洲人工智能协会院士。
告诉我们您的目标，我们将助您实现。
Email: contact@amineo.design
Amineo 位于法国南部图卢兹生物技术中心 (TWB) 的核心地带。
地址: 3 rue Jacqueline Auriol, 31400 Toulouse, France
请给我们留言，我们会尽快回复您。
