时间: 2026年11月26日(周四)
在小分子药物发现中,研究人员需要从大量文献和专利中获取化合物结构、靶点信息、活性数据及相关实验条件。这些信息分散在不同来源,数据格式、活性单位、实验体系和化合物标识方式也不尽相同。即使能够获取大量公开数据,真正将它们整理成适合SAR分析、构效关系研究和模型训练的数据集,仍然需要投入大量时间进行提取、清洗、标准化与整合。
随着AI/ML在药物发现中的应用不断深入,数据质量也成为影响模型训练效果和实际应用价值的重要因素。开放获取的公共资源固然体量庞大,却常常来源零散、格式各异、质量参差,研发团队不得不先投入大量精力做清洗、对齐和归一。数据是否准确、不同来源之间能否有效对齐、实验信息是否完整且可追溯,都会影响后续分析和建模的可靠性。
讲座信息:
基于这一背景,我们将于2026年11月26日举办线上研讨会,主题为:“从SAR知识库到一体化药化平台——GOSTAR高质量数据与2026新功能”
本场分享的主角是GOSTAR小分子SAR数据库。GOSTAR的一个重要特点,是将领域专家的人工策展与系统化的数据标准化、质量控制结合起来。一支科学团队对海量文献与专利逐一提取、交叉整合并逐条校验,经过规范化整理和多层质量控制,形成具有统一数据标准、可追溯来源的SAR数据资源。
在本次分享中,我们会把GOSTAR放到多个benchmark数据集上横向比一比——精细化策展的数据,究竟为研发与算法建模换来多少真实增益。
2026年,GOSTAR的功能也进一步向药物化学工作流程延伸。
Patent ASAP 让新公开专利中的化合物、靶点与活性数据在审校完成后约两天就能上线检索,帮助药物研发团队更及时地跟踪竞争对手专利布局、发现新兴化学空间。
Retrosynthesis 将AI辅助逆合成路线预测引入GOSTAR,支持多步合成路径及中间体的交互式探索,并可通过PubChem检查中间体的商业可得性。为候选化合物的早期合成可行性评估提供参考,——从"看中一个分子"到"规划出合成路线",无需在多个工具之间来回切换。讲座中将对这两项新能力做快速演示。本次研讨会也将对这两项新功能进行现场演示。
届时,我们将结合药物研发中的实际数据需求,介绍文献与专利数据的提取、整合和质量控制流程,演示GOSTAR如何支持化合物检索、SAR分析及数据获取,并通过AI/ML药物设计案例,说明数据质量是如何实实在在转化为制药与生物技术创新的提速的。
讲座时间:
11月26日(周四) 15:00-16:00
报名方式:
扫描下方二维码报名讲座

关于本次讲座的任何问题可联系康昱盛官方客服

你将收获:
项目负责人、数据科学家、发现化学家——药物发现链条上不同角色各自面对哪些数据难题,以及相应的破局思路;
GOSTAR的数据如何从全球专利与顶级期刊中被人工整理、逐条校验,覆盖超过1100万化学结构与3800万实验数据点;
GOSTAR多类型化合物数据统一规整,一站式获取可直接上机训练的ML-ready数据集
抢先上手GOSTAR 2026两大新功能:Patent ASAP专利情报快速通道(审校后约2天即可在线检索,覆盖肿瘤、靶向降解等热点赛道)与AI辅助Retrosynthesis逆合成规划(多步路线预测+中间体商业可得性检查);
GOSTAR与ChEMBL,BindingDB等公共资源等公共资源之间的核心差异;
开源benchmark数据库的对标实测:高质量策展数据能为AI药物建模性能带来多大提升;
GOSTAR精选数据集在线检索功能的现场演示,以及免费试用的申请通道。