北京
致力于构建AI驱动生物制剂发现基础设施的AI TechBio公司Aureka宣布发布开源药物发现引擎（OpenDDE：Open Drug Discovery Engine），这是一款开源的全原子生物分子基础模型，旨在充当下一代药物发现系统的结构推理核心。
OpenDDE以生物分子共折叠为切入点，对蛋白质、核酸、小分子配体及其他生物分子组分之间的相互作用进行建模。OpenDDE并未将结构预测视为孤立的终点，而是被设计为序列-结构-功能建模的共享结构推理层，既能实现当下复杂的结构预测，又为从头设计、亲和力估算、结构条件优化及闭环发现工作流奠定基础。
在in silico基准测试中，OpenDDE展现出具备竞争力的共折叠性能，缩小了与已报道的IsoDDE级别结果之间的差距，同时为更广泛的药物发现社区提供了一个开放且可复现的框架。
"OpenDDE始于开放的全原子共折叠与结构推理，"Aureka AI Research的Will Hua表示，"在选定的计算基准测试中，它展现出具有竞争力的性能，缩小了与已报道IsoDDE级别结果的差距。我们将此次发布视为构建更广泛药物发现引擎的早期基石——一个能够逐步连接结构预测、分子设计、亲和力估算和实验反馈的系统，以支持对疾病和靶点相关分子空间进行更有依据的探索。"
OpenDDE背后的三大技术贡献
生物分子令牌（Token）的原子潜空间推理： OpenDDE通过在全原子结构生成前优化局部几何结构、化学环境和分子间界面的表征，为生物分子建模引入了潜空间推理机制。
以折叠为中心、可扩展药物发现引擎的基础架构： OpenDDE目前聚焦于复合物结构预测，但其统一架构旨在支持从头分子设计、亲和力预测及其他结构条件模块。
缩放定律与数据蒸馏： Aureka研究了模型参数、数据、推理和训练等维度的缩放方向，为生物分子基础模型的持续改进指明了可行路径。
抗体-抗原共折叠的开放基准测试性能
在Aureka的技术报告中，OpenDDE在三项基准测试上展现出优异的抗体-抗原共折叠性能。在最优选择下，OpenDDE在PXMeter-AB上的成功率达51.0%，在FoldBench-AB上达70.0%，在新构建的2026ARK-AB基准测试上达66.4%。在神谕选择（oracle selection）下，相应的成功率分别提升至65.9%、81.9%和80.1%，表明其具备强大的潜空间采样能力，并且通过置信度校准和候选排序仍有明确的进一步提升空间。
这些结果对治疗药物发现具有特别重要的意义，因为抗体-抗原界面结构复杂、柔性高且化学多样性强。Aureka报告指出，OpenDDE不仅提升了低阈值恢复水平，还改善了中等质量和高质量DockQ区间的表现，说明其对结合几何结构的建模能力更强，而不仅仅是生成勉强可接受的复合物。
生物分子基础模型正进入缩放时代
OpenDDE拥有约6.55亿可训练参数。Aureka报告称，该模型的训练消耗了约41.4万GPU小时，相当于在单个计算单元上运行约54年。这一规模反映了AI生物学领域更广泛的转变：前沿不再仅仅是算法问题，而是需要算力、数据管线、工程能力、评估体系和长期训练窗口的基础设施问题。
Aureka的分析明确了生物分子基础模型的缩放趋势，表明更大规模的有效训练语料、更大的模型、更强的推理时采样能力以及训练后改进，能够系统性地转化为更强的生物推理和结构预测能力。对Aureka而言，这是一个信号——生物分子AI正开始进入一个类似于曾经改变大型语言模型的缩放阶段。
面向全球科学界的开源发布
OpenDDE的发布旨在让前沿生物分子建模对研究人员、初创公司、学术实验室和跨国企业更加触手可及。Aureka以Apache-2.0许可证发布训练代码、推理管线、模型检查点和基准测试数据，目标是实现独立验证、社区驱动扩展和全球协作。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
