使用说明

QureGenAI和TyxonQ平台API文档

英语 | 中文

引言

欢迎来到QureGenAI医图生科 TyxonQ太玄量子平台。我们的使命是通过功能强大、开发人员友好的HTTP API和模型上下文协议（MCP），为药物发现（Quantum AIDD）提供一套全面的量子计算+人工智能服务。

我们的平台使研究人员、开发人员和大型模型能够以编程方式访问最先进的计算模型，用于分子模拟、蛋白质结构预测等。

单击以使用 QureGenAI

平台特性

✅ 当前可用的型号

✅ AutoDock GPU分子对接 -一种传统的快速分子对接算法，具有可靠的准确性，是高通量筛选的理想选择。 GitHub
✅ DiffDock分子对接 -基于扩散的人工智能对接模型，能够发现绑定口袋并在没有预定义位置的情况下进行对接。 GitHub
✅ Protenix蛋白质结构预测 -仅从序列信息预测蛋白质结构和复杂模型。AlphaFold 3的可训练开源PyTorch复制品。 GitHub

🚧 即将推出的型号

🔄 螺栓-2 -蛋白质、核酸和小分子的下一代生物分子结构预测模型。 GitHub
🔄 蛋白质MPNN -使用消息传递神经网络进行蛋白质序列设计的深度学习方法。 GitHub
🔄 RoseTTAFold 的 -使用基于注意力的神经网络进行精确的蛋白质结构预测。 GitHub
🔄 SurfDock -表面引导分子对接用于改进结合位姿预测。 GitHub
🔄 OpenFE -用于药物发现的开源炼金术自由能计算。 GitHub
🔄 DiffLinker -药物发现中分子接头设计的等变扩散模型。 GitHub
🔄 模具地图 -通过2D分子图进行分子表征学习。 GitHub
🔄 AI2BMD -人工智能驱动的生物分子动力学模拟和分析平台。 GitHub
🔄 BioEmu AI -使用高级生物系统仿真人工智能。 GitHub

我们正在不断扩展我们的模型集合，以提供全面的人工智能药物发现解决方案。请继续关注更多尖端型号！

入门指南

基本URL

所有API端点都与以下基本URL相关：

https://api.quregenai.com

认证

所有API调用都需要使用API密钥进行身份验证。在中包含您的API密钥 Authorization 标头作为Bearer令牌。

令牌访问: 获取钥匙注册并获取您的API密钥

标头

所有请求都应包含以下标头：

Content-Type: application/json
Authorization: Bearer your_api_key_here

api参考

1.用于高通量屏幕的AutoDock GPU分子对接

使用AutoDock算法执行分子对接。

端点: POST /api/autodock_api/autodock_docking
描述：提交分子对接作业。您必须提供受体和三种配体输入类型之一。

请求正文

参数	类型	必填	说明
`job_name`	string	否	作业的名称。
`receptor`	string	Yes	接收器文件的URL或服务器可访问路径（例如PDB格式）。
`center_x`, `center_y`, `center_z`	number/string	Yes	对接盒中心的坐标。
`size_x`, `size_y`, `size_z`	number	No	扩展坞的尺寸。每个轴默认为15。
`ligand`	string	是（三个中的一个）	单个配体文件（SDF、PDB）的路径。
`ligands`	字符串数组	是（三个中的一个）	多个配体文件的路径列表。
`smiles`	string	Yes（三个中的一个）	SMILES字符串（使用 `\n` 对于多个），或通往 `.txt` 带有SMILES字符串的文件（每行一个）。
`thread`	integer	否	线程数。默认值为1200，最小值为1000。

备注：您必须提供以下之一 ligand, ligands，或 smiles.

示例：单配体文件

卷曲

curl -X POST "https://api.quregenai.com/api/autodock_api/autodock_docking" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <your_api_key_here>" \
  -d '{
    "job_name": "AutoDock_Single_Ligand_Test",
    "receptor": "https://files.rcsb.org/download/7RT3.pdb",
    "ligand": "/path/to/your/ligand.sdf",
    "center_x": -3.52,
    "center_y": 5.57,
    "center_z": -26.55,
    "size_x": 15,
    "size_y": 15,
    "size_z": 15
  }'

python

import requests
import os

BASE_URL = "https://api.quregenai.com"
API_KEY = os.environ.get("QUREGENAI_API_KEY", "<your_api_key_here>")

HEADERS = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {API_KEY}'
}

def submit_autodock_single_ligand():
    url = f"{BASE_URL}/api/autodock_api/autodock_docking"
    data = {
        "job_name": "AutoDock_Single_Ligand_Test",
        "receptor": "https://files.rcsb.org/download/7RT3.pdb",
        "ligand": "/path/to/your/ligand.sdf",
        "center_x": -3.52,
        "center_y": 5.57,
        "center_z": -26.55
    }
    
    response = requests.post(url, headers=HEADERS, json=data)
    
    if response.status_code == 200:
        print("Job submitted successfully:", response.json())
        return response.json()
    else:
        print(f"Error: {response.status_code}", response.text)
        return None

# submit_autodock_single_ligand()

2.DiffDock分子对接

使用基于AI的DiffDock算法进行分子对接。

端点: POST /api/diffdock_api/diffdock_docking
描述：提交DiffDock作业。当装订袋未知时，这很有用。

请求正文

参数	类型	必填	说明
`job_name`	string	否	作业的名称。
`protein`	string	是	蛋白质文件路径（如PDB）或序列字符串
`ligand_file`	string	是（两个中的一个）	配体文件的路径。
`smiles`	string	是（两个中的一个）	配体的SMILES字符串。
`diffusion_steps`	integer	否	扩散步骤数（1-100）。默认值：20。
`sample_count`	integer	否	要生成的样本数（1-100）。默认值：10。

备注：您必须提供 ligand_file 或 smiles.

示例：蛋白质序列和SMILES

卷曲

curl -X POST "https://api.quregenai.com/api/diffdock_api/diffdock_docking" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <your_api_key_here>" \
  -d '{
    "job_name": "DiffDock_Sequence_Test",
    "protein": "MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQAPILSRVGDGTQDNLSGAEKAVQVKVKALPDAQFEVVHSLAKWKREQTGQGWVPSNYITPVN",
    "smiles": "CCO"
  }'

python

import requests
import os

BASE_URL = "https://api.quregenai.com"
API_KEY = os.environ.get("QUREGENAI_API_KEY", "<your_api_key_here>")

HEADERS = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {API_KEY}'
}

def submit_diffdock_sequence_to_smiles():
    url = f"{BASE_URL}/api/diffdock_api/diffdock_docking"
    protein_sequence = "MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQAPILSRVGDGTQDNLSGAEKAVQVKVKALPDAQFEVVHSLAKWKREQTGQGWVPSNYITPVN"
    
    data = {
        "job_name": "DiffDock_Sequence_Test",
        "protein": protein_sequence,
        "smiles": "CCO",  # Ethanol
    }
    
    response = requests.post(url, headers=HEADERS, json=data)
    
    if response.status_code == 200:
        print("Job submitted successfully:", response.json())
        return response.json()
    else:
        print(f"Error: {response.status_code}", response.text)
        return None

# submit_diffdock_sequence_to_smiles()

3.Protenix蛋白质结构预测

使用Protenix算法预测蛋白质结构和复杂模型。

端点: POST /api/protenix_api/protenix_predict
描述：提交蛋白质结构预测工作，包括多链复合物和与DNA/RNA/配体的复合物。

请求正文

参数	类型	必填	说明
`name`	string	Yes	预测作业的名称。
`sequences`	对象数组	是	序列对象数组。详见下文。
`seeds`	integer	否	随机种子。默认值：42。
`n_sample`	integer	否	样本数。默认值：5。
`n_step`	integer	否	步数。默认值：150。
`n_cycle`	integer	否	循环数。默认值：5。

这 sequences 对象具有以下结构：

密钥	类型	必填	描述
`moduleType`	string	是	序列类型：“蛋白链”、“dnaSequence”、“rnaSequence”、“配体”。
`sequence`	string	是	序列内容（蛋白质序列、DNA/RNA序列或配体SMILES）。
`copy`	integer	是	此序列的副本数（1-5）。

示例：蛋白质配体复合物预测

卷曲

curl -X POST "https://api.quregenai.com/api/protenix_api/protenix_predict" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <your_api_key_here>" \
  -d '{
    "name": "Protein_Ligand_Complex",
    "sequences": [
      {
        "moduleType": "proteinChain",
        "sequence": "MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQAPILSRVGDGTQDNLSGAEKAVQVKVKALPDAQFEVVHSLAKWKREQTGQGWVPSNYITPVN",
        "copy": 1
      },
      {
        "moduleType": "ligand",
        "sequence": "CCO",
        "copy": 1
      }
    ]
  }'

python

import requests
import os

BASE_URL = "https://api.quregenai.com"
API_KEY = os.environ.get("QUREGENAI_API_KEY", "<your_api_key_here>")

HEADERS = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {API_KEY}'
}

def submit_protenix_protein_ligand():
    url = f"{BASE_URL}/api/protenix_api/protenix_predict"
    protein_sequence = "MKTAYIAKQRQISFVKSHFSRQLEERLGLIEVQAPILSRVGDGTQDNLSGAEKAVQVKVKALPDAQFEVVHSLAKWKREQTGQGWVPSNYITPVN"
    
    data = {
        "name": "Protein_Ligand_Complex",
        "sequences": [
            {
                "moduleType": "proteinChain",
                "sequence": protein_sequence,
                "copy": 1
            },
            {
                "moduleType": "ligand",
                "sequence": "CCO",  # Ligand SMILES
                "copy": 1
            }
        ]
    }
    
    response = requests.post(url, headers=HEADERS, json=data)
    
    if response.status_code == 200:
        print("Job submitted successfully:", response.json())
        return response.json()
    else:
        print(f"Error: {response.status_code}", response.text)
        return None

# submit_protenix_protein_ligand()

异步任务和MCP服务

由于这些模型的计算时间很长，所有API调用都是异步.

提交作业：当您向API端点发送请求时，平台会验证您的请求并将作业排入队列以供执行。

接收任务ID：如果提交成功，API将返回 200 OK 包含唯一 task_id.

{
    "success": true,
    "message": "Task submitted to remote service, processing asynchronously...",
    "task_id": "1-68775320-15633f89-dc4744aa5c31",
    "job_name": "AutoDock_FAA2F6144C4611F0A525DBA75ABC6F26_1752650526"
}

监控任务状态：您可以使用 task_id 通过平台的web界面。登录门户网站，导航到相应的模型部分（例如AutoDock），并在历史记录列表中找到您的任务，以查看其状态并检索结果。

备注：计划在将来的版本中使用专门的API端点以编程方式检查任务状态。

错误处理

API使用标准HTTP状态代码来指示请求的成功或失败。

状态代码	含义	错误消息示例
`400 Bad Request`	请求格式错误、缺少参数或参数冲突。	`{"success": false, "message": "Missing required parameter: center_y"}`
`401 Unauthorized`	API密钥丢失、无效或帐户资金不足。	`{"message":"Invalid or missing Authorization header","success":false}`
`500 Internal Server Error`	服务器上发生意外错误。	各不相同。

最佳实践

序列长度:
- 蛋白质：10-1000个氨基酸
- DNA/RNA：10-1000个碱基
文件格式:
- 蛋白质：PDB
- 配体：SDF、MOL2、MOL
- SMILES：标准SMILES字符串
演出:
- 为AutoDock使用适当的螺纹数（建议1000-2000）。
- 对大型输入文件使用URL，以避免大型请求正文。
任务管理:
- 存储 task_id 对于每一份提交的工作。它对于跟踪和检索结果至关重要。

支持

如果您遇到任何问题或有疑问，请联系我们的技术支持团队code@quregenai.com或者查阅web界面中提供的详细错误日志。

微信公众号 | Official WeChat

开发者交流群 | Developer Community

扫码关注公众号获取最新资讯 | Scan to follow for latest updates
扫码加入开发者群进行技术交流 | Scan to join developer community

使用说明

QureGenAI和TyxonQ平台API文档

引言

平台特性

✅ 当前可用的型号

🚧 即将推出的型号

入门指南

基本URL

认证

标头

api参考

1.用于高通量屏幕的AutoDock GPU分子对接

请求正文

示例：单配体文件

2.DiffDock分子对接

请求正文

示例：蛋白质序列和SMILES

3.Protenix蛋白质结构预测

请求正文

示例：蛋白质配体复合物预测

异步任务和MCP服务

错误处理

最佳实践

支持

微信公众号 | Official WeChat

开发者交流群 | Developer Community

相关 MCP

数学优化与量子计算支持工具

药物信息查询服务

药物发现AI模型服务

生物信息学MCP服务器

量子电路架构与MCP服务器

药物靶点结合位点分析工具