エージェント
9 件アクティブ今日
KRAS G12C 共有結合フラグメント
1,200 ウォーヘッドをドッキング·分析中 · oncology-2026
PD-1 / PD-L1 環状ペプチド
次のステップを計画中·計画中 · immuno-discovery
GSK-3β CNS リード
47 ヒットを ADMET フィルタリング·3 モデル · cns-pipeline
FLT3-ITD リポジショニングスイープ
12 候補をランク付け·完了 · aml-discovery
今週
EGFR T790M 選択性スイープ
47 アナログ · +12 / −3 · oncology-2026
JAK2 V617F オフターゲットパネル
キノームパネル · +89 / −4 · jak-program
抗体開発容易性トリアージ
32 mAb · +18 / −2 · biologics
LR-104 の溶解性レスキュー
12 アナログ · +6 / −1 · lead-opt
アロステリックポケット探索 · BRAF
クリプティックサイトスキャン · +1 サイト · braf-allo
あなたの科学が存在するあらゆる場所で
あらゆるサーフェスにわたる一つのエージェント。
Web アプリ
計画、実行、レビューを一つのワークスペースで。
from vecura import Agent
a = Agent()
a.run(
"screen 500 ZINC"
)
Python SDK
任意のノートブックやスクリプトからエージェントを実行。
vecura.run("dock")
Jupyter
結果をそのまま分析に取り込む。
Vecura
KRAS実行完了 — リード12件、フラグ3件。
Slack & Teams
チームが既に会話している場所で結果を受け取る。
ターゲットを問わず、あなたの科学を理解する
Vecura はツールを手に取る前に、構造、文献、そしてチームの慣習を学習します。
ターゲットをフォールド — KRAS G12C
ファイルを編集中 · OpenFold
フラグメントライブラリをドッキング
実行中 · AutoDock-GPU
ヒットの ADMET スイープ
レポートを作成中 · ADMETlab 3
文献クロスチェック
保留中 · PubMed-RAG
並列サブエージェント
独立したエージェントがターゲットを並列に探索 — それぞれが答える問いに最適なツールを使用します。
「共有結合性 KRAS G12C 阻害剤について何が分かっているか？」
ナレッジインデックス化
Vecura は文献、社内 SAR ノート、過去の実行をインデックス化し — 回答に使用したすべての情報源を引用します。
ランク付け前に必ず hERG、Ames、CYP3A4 を確認
ディスカバリーチーム
フラグメントライブラリには Enamine REAL を優先
創薬化学
PAINS、Brenk、アッセイ干渉スキャフォールドを除外
ラボ全体
Pfizer 2024 の IP 領域と重複するヒットをフラグ付け
法務 · 全プログラム
チームルール
ラボの慣習を Vecura に教えます — 推奨ライブラリ、必須の安全性チェック、IP 除外。
創薬ライフサイクル全体をカバー
問いの明確化から、候補の生成、そしてうまくいかなかった理由の追究まで。
ヒット選択にどの ΔG カットオフを使うべきですか？
共有結合ウォーヘッドを含めますか、それとも非共有結合のみですか？
ADMET を全ヒットで実行しますか、それとも ΔG カットオフを通過したものだけですか？
プラン
曖昧な目標に対して、Vecura は明確化のための質問をし、プロトコルに合意してから実行します。
| VC-A-1042 | −F → −Cl | −9.8 |
| VC-A-1058 | ピリジン → ピリミジン | −9.5 |
| VC-A-1071 | R3 に −OMe を追加 | −9.2 |
| VC-A-1083 | tert-ブチル → シクロプロピル | −8.9 |
設計
アナログの提案、選択性や ADMET の最適化、新しいスキャフォールドの探索 — すべて根拠付きで。
再確認 ドッキングポーズの収束
→ 上位ポーズが 3 シードで安定
再実行 拡張エンドポイントでの ADMETlab
→ 5 μM 閾値で hERG を再フラグ付け
検索 hERG リスクの高いスキャフォールドの文献
→ キノリンコアは既知の懸念
検証
ヒットが失敗したとき、Vecura は原因を遡って追跡 — ツールを再実行し、文献を確認し、原因を特定します。
本物の科学を行うための装備
Vecura はツールを実行し、データを取り込み、すべてのステップを再現可能に保ちます。
$ vecura.dock(target="6OIM", lib="zinc22")
# AutoDock-GPUコンテナを起動中…
# 4×A100で1,200件のフラグメントをドッキング
✓ 47件がΔG < −7.5を通過（4分18秒）
$ vecura.admet(hits)
✓ 31 / 47件が安全性パネルをクリア
ツールを実行
ドッキング、フォールディング、ADMET、MD — Vecura は分離された GPU バックエンドのコンテナで実行します。セットアップ不要。
コンテキストを追加
@メンションで、正確な PDB、SMILES、配列、論文、社内ドキュメントを Vecura に指定できます。
KRAS G12C 実行を開始
1月8日
共有結合ウォーヘッドフィルターを追加
1月12日
ライブラリを 1,200 フラグメントに拡張
1月18日
ADMET スイープ完了
昨日
hERG リスクの高いスキャフォールドをフィルタリング
3時間前
上位 12 リードをエクスポート
今
スナップショットと再現性
すべての実行はバージョン管理され — どのツール、モデル、パラメータがどの結果を生み出したかを正確に確認できます。いつでもロールバック可能。
ツールとワークフローで拡張
既存のコンテキストを Vecura に渡し、ラボ向けのカスタム機能を追加します。
プラグイン
Benchling、Schrödinger、Dotmatics、その他ラボのスタックへのワンクリックコネクタ。
/fragment-growth
R 基列挙でフラグメントを成長させる
/admet-triage
ラボの 6 エンドポイント安全性パネルを適用
/selectivity-sweep
ターゲットをキノームパネル全体で実行
/ip-check
特許ランドスケープに対してリードをクロスチェック
/synth-tractability
逆合成の難易度をスコアリング
スキル
ラボの SOP を再利用可能なスラッシュコマンドにまとめます。チームの誰でも呼び出せます。
MCP
Model Context Protocol を介して、専有ツール、社内データベース、カスタムモデルを接続します。
研究を直接的に実施した人々の声
“「私たちのチームは、創薬化学や生物学そして計算化学の専門家で構成されています。Vecuraは、専門的な設定を必要とせず、これら3つの分野において真に効果を発揮する初めてのツールとして位置づけられています。我々は、独自のパイプラインを自作する運用から、単一のプラットフォーム上ですべての研究プロジェクトを実行する体制へと確実に移行しました。」”
創薬探索部門長
Series Aバイオテクノロジー会社
“「以前は、異なるツールから得る結果のフォーマット調整だけに、毎日の作業時間の半分近くを費やしていました。現在Vecuraでその作業をすべて自動的に処理できるため、実験内容を記述するだけで、安全性に関するアラートが付与されたヒット化合物のランキングリストをすぐに受け取ることができます。」”
化学と計算の専門家
腫瘍学を専門とするバイオテクノロジー会社
“「ADMET評価の統合機能で複数回にわたる不要なスクリーニング工程を減らすことができると分かった。今では、実際のウェットラボ実験を始める前に、どのリード化合物が有望であるかを理解できるようになりました。」”
創薬科学者
中規模の製薬会社
“「構造の取得、ドッキングの実行、結果のフィルタリング、レポート作成といった、以前は情報処理に1週間かかっていた作業が、Vecuraを使うことでわずか半日で完了できます。」”
構造生物学者
学術研究室
“「現在、AIエージェントはモデルの実行にとどまらず、適切なモデルの選び方やその理由を示すこともできるようになっています。これが私にとって最も驚くべきことでした。」”
バイオインフォマティクスチームリーダー
研究所
“「研究対象のスクリーニング指示、要約レポートの作成、さらには科学文献内の矛盾する情報の検出まで、これらすべての操作をたった一度の会話で完了できます。まさにいつでも手助けしてくれる計算科学分野の共同研究者がそばにいるかのような感覚です。」”
主任科学者
ドラッグリポジショニング事業で起業の会社