虚拟临床试验（Virtual Clinical Trial）是基于数字孪生、真实世界数据和AI模型模拟药物干预效果的技术，旨在减少传统临床试验的成本、时间和失败率。CapoVime®是DeepoMe的虚拟临床智能体平台，基于SEWO可驾驭世界模型框架，支持从大规模药物/天然产物库中智能筛选候选药物。
虚拟临床试验利用数字孪生技术、真实世界数据和AI模型，在计算机中模拟药物对人体（或特定患者群体）的干预效果。它不是替代真实临床试验，而是在早期阶段筛选最有希望的候选药物，减少进入真实试验的失败率。
CapoVime®基于SEWO可驾驭世界模型框架，整合大规模药物/天然产物靶点数据库、个体DNA甲基化状态和蛋白相互作用网络，通过SEMO算法计算候选药物对疾病网络的重塑效应，并生成可追溯的机制证据链。
不能完全替代。虚拟试验的价值在于"前置筛选"——从数千个候选中筛选出最可能有效的少数几个，再进入真实试验验证。这可以显著降低临床试验的失败率和成本，但最终的疗效和安全性验证仍需要真实人体数据。
DeepoMe的虚拟试验支持N-of-1模式——基于个体的DNA甲基化数据建立分子画像，模拟特定干预对该个体的效果。这与传统的"群体平均模型"不同，更接近精准医学的"千人千方"目标。
预印本发布：面向N-of-1个体化干预推理的生物医学世界模型，在衰老、类风湿关节炎和抑郁症队列上完成阳性对照验证
阅读原文BioSpace报道：SEWO可驾驭医学世界模型框架
阅读原文BioSpace报道：DeepoMe发布基于预训练的医学基础模型DamoPa
阅读原文AI Drug Discovery
AI制药（AI Drug Discovery）是利用人工智能加速药物靶点发现、化合物筛选、作用机制分析和临床试验设计的制药新范式。DeepoMe深度甲基以DNA甲基化数据为核心，开发了SEMO（选择性蛋白网络重塑算法）和DeepVime（深度药食功效在体图谱技术），构建从靶点发现到功效评估的闭环系统，特别擅长药物重定位和老药新用。
Steerable World Model
可驾驭世界模型（Steerable World Model）是DeepoMe提出的下一代生物医学AI范式：模型不仅预测下一步会发生什么，更应允许临床医生通过明确的、可检查的、具有生物学意义的方向信号来引导推理。"每个人都在造更大的引擎，我们问的是——有没有人检查过转向系统？" SteeraMed + SEWO框架是该方向的代表性工作，项目独立站点：steerable.world。
SEMO Algorithm
SEMO（Selective Remodeling of Protein Networks by Chemicals，化学物质对蛋白质网络的选择性重塑）是DeepoMe开发的网络医学算法，已获国家发明专利授权（CN117766054B）。与传统高通量筛选关注单一靶点不同，SEMO从系统层面审视化合物对整个蛋白质相互作用（PPI）网络拓扑结构的影响，量化"网络落差"（Network Gap）作为干预相关性指标。
N-of-1 Personalized Medicine
N-of-1个体化医学（N-of-1 Medicine）是以单一患者为单位的医学研究范式，强调为每个个体定制检测-干预-评估方案。区别于传统的群体RCT试验，N-of-1通过同一个体的纵向复测建立基线，评估特定干预对该个体的真实效果。SteeraMed的副标题即为"A Biomedical World Model for N-of-1 Intervention Reasoning"。
Network Medicine
网络医学（Network Medicine）由Barabási等人于2011年提出，将疾病理解为蛋白质相互作用（PPI）网络中"疾病模块"的扰动，而非单一基因异常。它为复杂疾病的多靶点干预提供了系统级理论框架。DeepoMe的SEMO算法、SteeraMed框架和根因医学方法论均建立在网络医学理论之上，以PPI网络为核心计算底盘。