FEP+
用于药物发现的高性能自由能计算
利用FEP+ 作为一种精确的计算机模拟结合亲和力 分析工具，以推动快速的虚拟设计周期，并将实验工作重点仅集中在质量最高的构想上
借助……，更快地发现更优质的分子FEP+
FEP+ 这是Schrödinger的专有技术，基于物理理论 自由能微扰 ，该技术可通过计算手段预测蛋白质-配体结合，其准确度可与实验方法媲美，且覆盖范围广泛化学空间 。
探索广阔的化学空间 ，降低成本
高效优化分子谱
同时优化多种性质，包括效力、选择性 以及溶解度，以改善小分子和大分子的特性及可开发性
充满信心地探索崭新的化学领域
通过前瞻性地应用……，以极高的信心合成新颖且具有挑战性的化学物质。FEP+
不断推动自由能方法领域的技术进步
金标准精度
如针对多种配体和蛋白质类别开展的大规模验证研究所示，其预测精度已接近实验值（1 kcal/mol）
在药物研发领域成效显著
已被多家领先的制药和生物技术公司广泛采用，其推动的多个候选药物已进入临床试验阶段FEP+
用途极为广泛
支持药物发现场景中最为广泛的应用和扰动类型，并通过积极的研发工作持续扩展
将FEP+ 应用于药物发现过程中的各类应用场景
结构预测 &靶点 功能启用
-
利用 IFD-MD 结合以下方法，对没有实验结构或基于低分辨率结构的蛋白质模型进行验证：FEP+ -
通过结构设计实现非靶向作用，并消除常见的ADMET风险
苗头化合物 发现
-
根据虚拟屏幕上的命中结果重新排序，以确定合成列表的优先级，并通过绝对绑定来优化效果FEP+
-
利用现有的化学物质，通过“核心跳跃”方法高效发现新型核心
-
利用绝对结合力FEP+ 和溶解度进行大规模的计算机模拟片段筛选FEP+
苗头化合物-至-先导化合物 &先导化合物 优化
-
利用FEP+ 作为计算机模拟结合亲和力 检测方法，快速优化 on-靶点 的效力
-
针对已知的非靶标以及大型基因家族，优化选择性
-
在优化ADMET特性的同时，保持靶点 的活性及选择性
计算机模拟 蛋白质工程
-
通过能够再现实验测定相对自由能的精度，优化抗体 候选分子的筛选
-
预测肽的结合亲和力 、选择性 以及热稳定性
-
针对底物选择性 进行酶的工程改造，以及特异性
利用主动学习技术，加速大规模化合物库中的FEP+ 计算
利用一个经过充分验证的自动化工作流，该工作流基于项目特定的FEP+ 数据对机器学习（ML） 模型进行训练，从而能够高效地处理多达数百万种化合物，并进行高度精确的FEP+ 计算。
技术在实践中
精选课程
案例研究与网络研讨会
了解Schrödinger 技术如何被用于解决现实世界中的研究难题。
文档与教程
了解常见问题的解答，并掌握使用Schrödinger软件的最佳实践。
出版物
浏览采用Schrödinger 技术、发表在相关应用领域的经同行评审的出版物列表。