将结构生物学结合前沿的AI算法和深度学习技术，从氨基酸序列预测蛋白质形态，建模蛋白质与小分子的关系，在靶点发现、药物发现和老药新用等领域取得明显突破； 高准确率的算法模型和符合科学性的3D小分子建模等技术进一步提高产品优势。
背景技术
癌症是全球死亡率最高的疾病之一。根据2021年国际癌症研究机构团队发布的报告，2040年全球可能面临癌症疾病治疗负担。快速筛查与癌症相关的阳性突变细胞能够加快癌症的诊断速度，是缓解此问题的一个有效方法。 细胞内基因组发生恶性突变是导致癌症的主要原因。现有的医疗技术通常通过对患者细胞切片进行染色，并依靠人工对阳性突变细胞进行筛查。这总方式费时费力，效率低下，成本较高。
创新技术
近年来，随着计算机技术的发展，利用计算机技术与生物、医疗领域相结合成为了研究热点。利用YOLO、DETR等目标检测算法可以对细胞切片图像中的各类细胞进行检测，但此类方法通常只能够检测出细胞，无法对细胞种类（如炎症细胞、阴性细胞、阳性细胞等）进行准确判断。其中，阳性突变细胞细胞核较大，因此核质比较大，可以通过图像底层特征快速、直接地进行筛选。因此，本发明首先利用YOLOv5目标检测算法检测出尿路上皮细胞切片图像中的所有细胞，而后针对不同种类的细胞，基于核质比筛选出阳性的突变细胞，从而实现癌症的快速筛查，节省人力、物力、财力，具有较高的应用价值。
