SynSpace是一款基于反应规则和AI辅助的多功能分子结构设计优化平台。化学家、计算化学家或其他相关用户可以通过界面友好的GUI或者API使用该平台提供的多种方法，如从头设计、骨架跃迁、侧链优化及逆合成等，进行先导化合物或化合物库的多样化设计优化。所有的分子设计方案都是基于结合AI的合成路线规则进行，既保证了所设计分子的可合成性，同时能够极大地降低化合物优化的迭代次数和数量，能为先导化合物的优化提供切实可行的解决方案，加速先导化合物的发现。

DerivatizationDesign方法是ChemPass公司开发出的一个结合反应规则和AI的化学可合成分子自动生成和优化方法。其可以根据要优化的分子结构及具体待优化的结构片段，利用所有可用的反应物和合适的化学反应及一些药化改构规则自动产生新的化学可合成性分子。在帮助药物研发人员设计生成出新分子的同时，并能够提供优化后分子的合成路线。

DerivatizationDesign相比较分子深度生成算法具有更高的先导化合物命中率，可以极大减少候选化合物发现和优化的迭代次数（https://doi.org/10.1021/acsmedchemlett.0c00540）。即使没有化学信息学或有机化学背景，相关研发人员仍然可以高效地使用Derivatizationdesign进行先导化合物的发现和优化。

1-ClickDesign是ChemPass基于SAR和受体结合相关知识开发出骨架跃迁工具，其可以帮助研发人员在不改变各侧链基团的基础上生成符合要求（环的大小、数量、氢键供/受体、芳香性等）的新骨架分子。

可以基于现有的试剂或Buildingblock进行骨架跃迁和先导类似物的设计和优化从而缩短研发周期；也可根据已有的中间体对先导化合物分子中特定部位侧链进行自动多步优化；在进行结构优化和生成时，均可以通过设置特定的结构片段来控制结构优化和设计的方向，以提高结构优化命中率。

Librarydesign采用了高效的基于反应的枚举方法。进行Librarydesign时，可以根据自定义的反应物库，使用多步、多个化学反应的枚举模块进行复杂的化合物库枚举设计，能够快速高质量生成大批量化学可合成性候选化合物。

Filter设计完成以后，可以利用结构、属性信息和逆合成路线信息评价、过滤、选择带有合成路径和属性信息的分子设计和优化结果。同时可根据嵌入的eMolecules和SureChemble等化合物库随时验证设计结果分子的商用可及性和专利性。

SynSpace化合物优化案例