# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
今日，分子之心正式对外发布全新的AI生物药从头设计平台——MMDesign。
基于该平台，分子之心在极低的实验验证通量下，成功在细胞因子、免疫检查点、病毒蛋白及多次跨膜受体（如GPCR）等十多个高价值靶点上，实现了高精度的实用级纳米抗体的从头设计与验证，靶点结合成功率超过90%,最佳亲和力达皮摩尔级别。
这一成果标志着AI蛋白质设计从概念验证走向产业化应用的关键转折。抗体等生物制剂的研发正在实质性地从耗时费力且低成功率的大规模随机筛选，跨入精准、高效的“可编程分子工程”时代。
传统的抗体发现高度依赖动物免疫或大规模文库筛选，往往需要对数百万乃至数十亿的候选分子进行盲盒式的实验验证，且对结合表位和分子成药性质的可控性极低。
分子之心彻底重塑了这一发现范式。
MMDesign采用"生成-过滤"策略。用户只需输入目标蛋白和指定的表位残基，MMDesign便会通过分子之心自研的蛋白质基础大模型和结构预测模型MMFold协同优化，一次性生成数万个候选分子，再经由结构可靠性、序列自然性、和基于物理的界面评估等多层智能评估体系，将庞大的候选池极限压缩至每个靶点仅数十个分子进入湿实验验证。
在针对细胞因子、免疫检查点、受体蛋白及多次跨膜蛋白等12个高价值治疗性靶点的系统性评测中，MMDesign针对每个靶点仅输出14到50个进入湿实验验证的分子，即在11个靶点上成功确认特异性结合，靶点成功率超过90%，展现出极强的靶点普适性。
同时，MMDesign稳定输出了大量亲和力达到纳摩尔（nM）甚至皮摩尔（pM）级别的高活性实用级纳米抗体。以PD-L1为例，该靶点下的候选分子命中率达86.7%，最优分子亲和力（KD）低至7.2nM。
部分靶标的实验验证结果
更具产业价值的是，这些高活性分子展现出卓越的源头新颖性，成功开拓了全新的结合构象空间，构筑了极深的专利护城河。
这一系列数据意味着，原本以“年”为单位、耗资巨大的“药物筛选”过程，有望被“AI精准设计+极小规模实验验证”的新模式颠覆。
除了常规靶点，MMDesign在突破浅层三聚体靶点TNFα和高难度跨膜蛋白GPCR这两个业界公认的高难靶点上也取得了里程碑式的进展。
TNFα是一种同源三聚体细胞因子，其结合表面浅层且高度溶剂暴露，是低通量从头设计中最具挑战性的靶点类别之一。在此前已发表的同类研究中，尚无团队在类似低通量条件下取得成功。MMDesign在仅测试14个候选分子的情况下，实现了高达50%的命中率，且最高亲和力表现达到惊人的51pM。
G蛋白偶联受体（GPCR）是制药行业最大的药物靶点家族，但因其构象极其复杂,一直是抗体设计的难成药“深水区”。MMDesign针对其从头设计的29个纳米抗体中，有22个候选分子实现了特异性结合，且纯度达到了90%-99%、瞬时表达量均超过0.5g/L。
这一结果意味着，MMDesign在从头设计抗体的极早期，就已经将“可溶性、不易聚沉”等成药性特征作为内在优化目标，而非事后筛选。这种将后期CMC风险大幅前置化解的能力，可以极大提升创新药推进至临床阶段的确定性。
MMDesign能在极小规模内实现多靶点的高命中率与高活性，源于分子之心团队在蛋白质研究和应用上的长期深耕。
分子之心创始人许锦波教授是全球蛋白质结构预测领域的开创者之一，其早期工作为后续AlphaFold等突破性成果奠定了重要方法论基础。MMDesign及其核心引擎——全原子结构预测模型MMFold也延续了分子之心的创新基因。
在权威的FoldBench基准测试中（基于172个抗体-抗原界面），MMFold的Top-1预测成功率达到了68.6%，显著超越了AlphaFold 3等同类顶尖模型。在工业界更为看重、难度极高的高精度结构预测中，MMFold的成功率实现了对其他模型的翻倍式超越。对底层结构预测的精准描绘，让MMDesign“看的更准”，进而在庞大的计算空间中更加精准地锁定目标分子。
“我们构建的不仅是一个技术工具，而是一整套重构研发范式、打破‘双十定律’的全新基础设施。”许锦波表示。
由此，一条清晰的产业脉络也逐步浮现：AI驱动的可编程分子工程正在大幅减轻生物实验室的负担，实现更高效、更高成功率的表位靶向药物设计。对于制药企业而言，这意味着更低的早期发现成本、更高的靶点覆盖率、更快的管线推进速度和更高的成功率。
未来，分子之心将依托MMDesign平台，进一步拓展多特异性生物制剂等前沿领域，与全球制药伙伴携手，将AI计算的无垠潜力转化为切实造福人类的新一代创新疗法。
文章来自于"机器之心"，作者 "机器之心"。
