rowan

Rowan - 云端量子化学计算平台

技能概述

Rowan 是一个基于云端的量子化学计算平台，通过 Python API 提供分子模拟、性质预测和蛋白质结构预测等计算化学功能，无需本地计算集群即可完成复杂的量子化学工作流。

适用场景

1. 药物发现与虚拟筛选

药物研发科学家可以使用 Rowan 进行大规模分子对接和性质预测。平台支持 AutoDock Vina 分子对接、pKa 预测、溶解度计算等，能够自动化处理化合物库的虚拟筛选流程，所有计算在云端完成，无需维护本地 HPC 集群。

2. 计算化学研究

研究人员需要进行 DFT 计算、几何优化、构象搜索或分子动力学模拟时，Rowan 提供统一的 Python API 接口，支持多种计算方法（GFN-xTB、B3LYP、AIMNet2 神经网络势等），结果可通过 Web 界面查看，适合日常的量子化学计算任务。

3. 蛋白质结构预测与配体设计

结构生物学家和药物设计师可利用 Rowan 的 AI 蛋白质共折叠功能（Chai-1、Boltz-1/2 模型）预测蛋白质-配体复合物结构，或进行蛋白质结构预测。平台处理蛋白质上传、对接盒定义等复杂流程，简化结构预测工作流。

核心功能

1. 分子性质预测

Rowan 提供全面的分子性质计算能力，包括 pKa 预测、氧化还原电位、溶解度和 ADMET-Tox 性质预测。支持单个分子或批量处理，提供 RDKit 原生 API (run_pka, batch_pka)，可直接处理 RDKit 分子对象，无缝集成现有化学信息学工作流。

2. 量子化学计算与几何优化

平台支持多层级量子化学方法：神经网络势（AIMNet2、Egret）提供快速准确的结果，半经验方法（GFN1-xTB、GFN2-xTB）适合大分子体系，DFT 方法（B3LYP、ωB97X 等）提供高精度计算。几何优化、构象搜索、单点能量计算等核心工作流均可通过简单 API 调用完成。

3. 蛋白质配体对接与 AI 结构预测

Rowan 集成 AutoDock Vina 实现蛋白质-配体对接，支持从 PDB ID 直接获取蛋白质结构。AI 蛋白质共折叠功能使用 Chai-1 和 Boltz 模型预测蛋白质-配体复合物结构，输出 pTM 分数和界面 pTM 等置信度指标，适用于靶点验证和先导化合物优化。

常见问题

Rowan 平台需要付费吗？如何获取 API 密钥？

Rowan 采用按 credits 计费的模式，新用户注册后可获得一定额度的免费 credits。API 密钥可在 labs.rowansci.com/account/api-keys 生成，通过环境变量 ROWAN_API_KEY 或直接赋值 rowan.api_key 进行认证。建议使用环境变量方式以保证安全。

Rowan 支持哪些量子化学计算方法？

Rowan 支持多个层级的计算方法：神经网络势（AIMNet2 ωB97M-D3、Egret）提供接近 DFT 精度但速度快数倍的结果；半经验方法（GFN1-xTB、GFN2-xTB）适合含数百原子的分子体系；DFT 方法包括 B3LYP、PBE、ωB97X 等泛函和多种基组。平台会根据工作流类型自动选择合适的方法，也可在参数中显式指定。

如何在 Rowan 中批量处理分子计算？

Rowan 提供 RDKit 原生的批量 API，如 batch_pka(molecules) 可一次性处理多个 RDKit 分子。对于工作流级别的批量操作，可使用 batch_submit_workflow() 提交多个计算任务，或使用 batch_poll_status() 轮询多个工作流的状态。配合文件夹组织功能，可管理包含数百个分子的筛选项目。