![]()
编辑丨王多鱼
排版丨水成文
2026年11月17日,从谷歌DeepMind分拆而来的AI药物研发公司Isomorphic Labs宣布完成50亿美元的C轮融资。这是生物科技领域迄今规模最大的单轮风险融资,距其5月完成的21亿美元的B轮融资仅过去半年。资本押注的,是用AI设计药物分子的能力。当全球资本以前所未有的规模涌向这一方向,衡量一个平台的标准,也愈发落到它设计的分子能否在实验中得到验证。
在国内,AI蛋白质领军企业分子之心近期公开了其AI从头设计平台MMDesign的最新技术报告。在覆盖18个不同靶点、纳米抗体和环肽两种分子模态的19项设计任务中,18项获得经实验确认的结合分子,六个GPCR膜蛋白靶点全获命中;每个项目仅送测9-50个候选,中位数为21个;其中GPCR靶点NK3R的候选分子命中率达100%,TNFα最优候选分子表观亲和力达51pM。
![]()
少量候选、多靶点、跨模态,加上高项目成功率与候选命中率,MMDesign为“按需设计分子”提供了一组覆盖不同研发任务的实验证据。从一个靶点的成功,到一批具体问题的有效探索,从头设计正在接受更接近实际研发的检验。
从专用模型到通用AI,从头设计走向实验验证竞争
AlphaFold2问世六年后,AI制药的主擂台已经从结构预测拓展到了从头设计。
DeepMind的AlphaProteo在8个受测靶点中的7个获得结合分子;Chai Discovery的Chai-2覆盖52个抗原,约一半获得命中,抗体候选命中率为16%。通用AI也开始参与:Anthropic于10月20日公布的研究中,Claude组织研究流程并调用专业工具设计针对蝎毒神经毒素的结合分子,送测的211个候选中有17个达到结合标准。
国内团队同样在推进。百奥几何、百图生科、字节跳动和新生实验室等,均已公开从头设计的湿实验成果。
为什么从头设计值得如此投入?传统抗体发现通常从动物免疫或抗体库筛选中寻找候选,从头设计则先确定希望结合的靶点和位置,再让模型围绕这些条件构建新的分子。需求因此可以更直接地转化为设计条件,序列与结构都可以是新的,不必从某个已有的结合分子改起。
这条路径的吸引力,在于它有机会同时回应几类研发需求:提高候选发现与优选效率,为困难靶点提供新的分子方案,并打开已有分子之外的设计空间。如果这些能力能够在不同任务中得以实现,从头设计就有机会成为药企早期发现流程中的一种新的研发选择。
分子之心的这份报告,正是在这一方向上给出了中国团队具有代表性的结果:既覆盖不同靶点和分子模态,也包含了既有项目的再设计成功和表现提升。六个GPCR全部命中,尤其让这份答卷有了分量:它把从头设计的能力,放到了兼具药物研发价值与设计难度的复杂靶点上,多靶点的普遍成功更体现了这套能力的广泛适用性。
少量候选,如何支撑18项任务成功?
报告汇总的19项任务,共测试453个候选,其中139个确认结合,候选命中率为30.7%;命中分布在18项任务中,任务成功率为94.7%。候选命中率反映送测分子的表现,任务成功率则反映这些成果覆盖了多少研发任务。
报告中还有15项任务获得了至少两个结合分子。对这些项目,后续研究可以沿不同候选继续展开,比较结合力、可开发性、功能性等,为进一步推进保留选择余地。
单看纳米抗体,MMDesign的17项设计任务中有16项获得命中,任务成功率为94.1%;404个受测候选中112个确认结合,候选命中率为27.7%。作为参照,Chai-2在涵盖scFv和VHH的52个靶点中,约50%获得命中,VHH候选命中率为20.0%;AnewDesign单靶点VHH设计候选命中率为14%。
不同研究的靶点、分子形式及实验条件存在差异,但各自的结果指向同一件事:从计算设计中优选少量候选进行验证,正在成为一条可行的发现路径。MMDesign在任务成功比例和候选命中率上均给出了非常亮眼的数值,且是在每项只送测数十个候选的规模下取得的,体现了其跨靶点设计与候选优选的突出优势。
而且,因为在计算评估阶段,MMDesign就已经将一些可开发性的关键指标纳入考虑,进入实验室的候选还表现出好的初步可开发性:许多VHH-Fc候选在10 mL CHO体系中表达水平较好,纯化后聚集较少,对胰岛素、双链DNA等替代抗原的非特异性反应也较低。这些初步可开发性结果,使评价从“是否结合”延伸到“是否具备继续开发的基础”。
![]()
图:不同靶点设计候选的 VHH-Fc 表达量分布
来源:分子之心技术报告
少量送测,并不意味着计算端只设计了几十个分子。MMDesign围绕给定靶点和表位,先在计算空间生成数万个候选序列,再经过多层评估选出进入实验室的分子。如何判断哪些设计值得优先验证,是其中的关键。
结构预测是这一评估的基础。分子之心自研的全原子结构预测模型MMFold,在包含172个抗体与抗原界面的FoldBench基准上,Top-1高质量预测成功率达到39.0%,约为AlphaFold3报告的19.8%的两倍,Top-1和Top-5的整体预测成功率分别达到70.9%和76.7%。
![]()
图:172 个 FoldBench 抗体与抗原界面预测结果
来源:分子之心技术报告
报告还选取了160个可与OpenDDE、Protenix-v2公开结果对照的共同界面,MMFold在该子集上的首位预测高质量成功率为39.4%,相应的两项公开成绩分别为33.0%和28.2%。这些成绩体现的是结合构型的预测质量,为判断候选与靶点如何相互作用提供了重要依据。
不过,构型预测可靠,并不等于实际结合得更强。MMDesign报告发现,确认结合分子的结构预测置信度与实测亲和力相关性有限,因此,MMDesign还结合结构可靠性、序列天然性以及基于统计物理的多层评估,综合优选出最终候选。
从计算端数万个设计,到实验端只有几十个候选,再到多个命中分子,这条链路上的数量对比,是从头设计效率最直接的体现。省下的不只是某个环节的时间,而是把大量试错从实验台前移到了计算端。
不过更高效地找到候选只是第一层价值,真正的考验,是可供参考的分子很少、结构又难以接近的靶点, 这也是从头设计真正瞄准的问题。
从六个GPCR到TNFα:难靶点,正在成为从头设计的试金石
GPCR,即G蛋白偶联受体,是药物研发的重要靶点家族,但针对它设计抗体并不容易:七次跨膜结构使可供抗体接近的胞外区域相对有限,连接跨膜螺旋的胞外环又具有一定柔性,会随受体状态改变构象。模型面对的是一个可接近区域有限、形状又并非固定不变的结合对象。
MMDesign此次针对六个GPCR均采用纳米抗体形式,每个项目送测9-33个候选,合计122个,在报告所用BLI检测条件下,57个获得结合阳性结果,候选命中率46.7%,且每个靶点都获得了多个命中。其中NK3R的30个候选全部命中,最佳表观KD为23.2 nM;GPR68送测11个、命中10个,最佳表观KD为12.1 nM;六个靶点的最佳表观亲和力均在纳摩尔级。
![]()
图:GPR68 和 NK3R 与纳米抗体候选的预测结合构型。青色为设计的结合分子,白色为靶点。
来源:分子之心技术报告
复杂膜蛋白上的设计,已成为不同团队展开竞争的重要方向。在另一组GPCR上,Chai Discovery也曾报告过成功的验证结果,在六个靶点上开展了七项设计任务,每个项目测试10-73个设计,整体候选命中率为33.2%。
相比之下,MMDesign此次每个靶点送测9-33个候选,测试量级进一步压缩,却拿到了46.7%的整体候选命中率,表现出了极小送测规模下针对难靶点的突出设计能力。
TNFα是另一个AI蛋白质从头设计中的挑战性靶点,Google DeepMind和BoltzGen都做过尝试但未获得命中。Chai Discovery和Anthropic分别报告过针对TNFα从头设计的小型蛋白结合分子,候选命中率分别约为22.7%(5/22)和8.0%(12/150),最优表观KD分别为4.46nM和0.7nM。
很多小型结合蛋白依靠固定的α螺旋结构结合靶点,构象相对可控,AI设计门槛更低,但适配的靶点类型有限,且长期存在免疫原性隐患;纳米抗体通过采用人源化骨架能够显著降低免疫原性风险,其结合区域为受骨架约束、柔性可变的CDR环,可识别更多高价值难成药靶点,代价是CDR环构象难以稳定预判,显著抬高了AI设计的难度。
MMDesign此次通过更具难度的纳米抗体路线,在TNFα这一难靶点上取得了从头设计的突破性进展:低至14个的实验候选量、50%的候选命中率、51pM的最佳表观亲和力。
这些结果体现着“围绕需求创造候选”的具体落点:面对具有明确设计难度的靶点,平台能够提供可结合分子起点,供研发团队继续开展功能与后续开发研究。
从头设计的另一重增量:打开设计空间,为研发探索新答案
从头设计的另一项价值,是不依靠已知的“参考答案”,探索已有分子之外的新方案。这既涉及能否覆盖公开验证先例较少的任务,也涉及生成的分子的新颖性。
一些重要靶点的公开治疗性抗体资料仍然有限,缺乏明确的设计“参考”。这类任务最能检验从头设计是在创造还是在复现。
以MMDesign此次验证的GPCR为例, NK3R、GPR68、CCR7、EP2和A2AR五个靶点在Thera-SAbDab数据库(PL132)中均未收录治疗性抗体条目。MMDesign在这五个靶点上均获得了纳米抗体结合命中:89个受测候选中有53个获得结合,命中率为59.6%。根据作者检索,这也是针对NK3R、GPR68、EP2和A2AR首次公开报告的 AI 纳米抗体从头设计成功结果。
这些新设计的结合分子,为相关靶点补充了可供研究的候选,也进一步体现出从头设计的创造性:即使可参考的信息有限,也可以围绕指定靶点和表位设计并验证新的结合分子。
MMDesign还从序列与结构层面考察了设计分子的新颖性。与已知抗体数据库的比较显示,许多设计序列在抗原识别区域存在明显差异;部分分子预测CDR环区,尤其CDR3呈现出与已知抗体不同的构象。
这些结果和分析提供了另一层证据:平台能够探索不同的序列与结构方案,并从中获得结合分子。对于现有候选难以满足需求的研发任务,这意味着更多新的分子选择。
跨靶点、跨模态,让设计能力服务不同任务
高效命中、攻克难靶点和提供新设计的能力得到了验证。但从头设计能否成为稳定的研发路径,还要看同一套发现流程能否复用于不同任务。
在作者梳理的公开报告中,除了MMDesign外,能通过计算优选后直接验证候选,并在超过10个靶点上获得结合命中的从头设计平台仍属少数——包括Chai-2、JAM-2、Protenix-v2、Latent-X2和BindCraft,在抗体和环肽两种模态上成功的仅有Latent‑X2 、BoltzGen和AnewOmni。MMDesign本次报告在18个靶点中命中17个,分子模态也覆盖了纳米抗体和大环肽,同一套流程,已经跨过了不同任务的边界。
跨分子模态的挑战更大,需要考察同一套发现流程能否处理不同类型分子的结构约束。对于大环肽的设计而言,模型需要同时处理成环几何约束、结合构象与靶点相互作用,现有方法不能直接照搬。MDM2上,21个大环肽候选中有16个命中,最佳KD为13.7 μM;针对PD-L1,28个候选中有11个命中,最佳KD为40.2 μM。MMDesign跨靶点、跨模态的结果为从头设计的跨场景应用提供了系统性验证。
![]()
图:针对 MDM2 和 PD-L1 的大环肽候选 SPR 结合曲线
来源:分子之心技术报告
值得一提的是,除新靶点外,MMDesign还对六个此前研究过的靶点再次开展设计,其中五个在候选命中率、最佳亲和力或两者上获得提升。以PDGFR为例,送测候选由25个减至19个,结合命中由1个增至4 个,最佳KD也由150 nM提升至37 nM。送测数量减少,获得的结合分子反而更多,最佳候选的结合也更强。
新任务、难靶点能命中,老项目能继续优化,共同构成一条可反复采用的早期发现路径。
必争的,不只是模型,而是新的研发范式
从复杂靶点上的结合发现,到已有项目的改善,再到不同分子形式的实验验证,MMDesign这份报告呈现了一条由研发需求牵引的分子发现路径:研发者可以先明确希望分子结合哪个靶点、识别哪个表位,以及采用什么分子形式,再由模型围绕这些要求生成候选分子,交由实验检验。对于传统发现方法难以攻克的靶点,或已有候选难以满足的任务,这提供了一种按具体需求探索新分子方案的方式。
这条路径是否足够实用,还取决于能否以较低成本拿到值得继续开发的候选。MMDesign以较小的送测规模获得多个结合分子,并将表达、聚集倾向和非特异性结合等指标纳入设计评估,部分候选也在初步实验中表现良好。从结合到可开发性,从优选效率到候选广度,从头设计正在逐步解决药物发现中的具体问题。
这也解释了从头设计为何成为AI药物研发的必争之地:它改变的是研发源头获得候选的方式。除了从已有可能中筛选,研发者开始拥有另一种选择——围绕需求主动高效地创造新的候选。未来谁能把这种构建变成稳定、可复用的实际研发生产力,持续创造经实验确认、具有开发潜力的候选分子,谁就将在药物发现的源头建立竞争力。
参考资料:
[1] Xu, J., on behalf of The MoleculeMind Team. MMDesign: Robust De Novo Binder Discovery Across Diverse Targets and Modalities. https://zenodo.org/records/23321531
[2] Anthropic. How Claude designed protein binders against scorpion neurotoxins. https://www.anthropic.com/research/claude-scorpion-toxin-binder-design
[3] Zambaldi, V., La, D., Chu, A. E., et al. De novo design of high-affinity protein binders with AlphaProteo. arXiv:2409.08022v1, 2024. https://arxiv.org/abs/2409.08022v1
[4] Chai Discovery. Introducing Chai-2: Zero-shot antibody design in a 24-well plate. https://www.chaidiscovery.com/news/introducing-chai-2
[5] Chai Discovery. Drug-like antibody design against challenging targets with atomic precision. https://www.chaidiscovery.com/news/chai-2-mab
[6] Muratspahić, E., Feldman, D., Kim, D. E., et al. De novo design of miniproteins targeting GPCRs. Nature. DOI: 10.1038/s41586-026-10656-8. https://www.nature.com/articles/s41586-026-10656-8
[7] Zhang, Y., Gong, C., et al. Protenix-v2: Broadening the Reach of Structure Prediction and Biomolecular Design. bioRxiv preprint, 2026. DOI: 10.64898/2026.04.10.717613. https://seed.bytedance.com/zh/public_papers/protenix-v2-broadening-the-reach-of-structure-prediction-and-biomolecular-design
[8] Nabla Bio. JAM-2: Fully Computational Design of Drug-like Antibodies with High Success Rates. Technical report, 2025. https://nabla-public.s3.us-east-1.amazonaws.com/2025_Nabla_JAM2.pdf
[9] Latent Labs. Drug-like Antibodies with Low Immunogenicity in Human Panels Designed with Latent-X2. Technical report, arXiv:2512.20263, 2025. https://arxiv.org/abs/2512.20263
[10] Pacesa, M., Nickel, L., Schellhaas, C., et al. One-shot design of functional protein binders with BindCraft. Nature, 646(8084): 483–492, 2025. DOI: 10.1038/s41586-025-09429-6. https://doi.org/10.1038/s41586-025-09429-6
[11] Stark, H., Faltings, F., Choi, M., et al. BoltzGen: Toward Universal Binder Design. bioRxiv preprint, 2025. DOI: 10.1101/2025.11.20.689494. https://doi.org/10.1101/2025.11.20.689494
[12] Anew Labs Team, Liu, K. AnewDDE: An Agentic Drug Discovery Engine for Biomolecular Interaction Modelling and Closed-Loop Design. bioRxiv preprint, 2026. DOI: 10.64898/2026.09.20.752967. https://doi.org/10.64898/2026.09.20.752967
[13] Claude Science, Shanehsazzadeh, A. Autonomous de novo protein binder design with Claude. Anthropic technical report, 2026. https://www-cdn.anthropic.com/30bf50e22a01388bb29bf077ee3f244531594b7a.pdf
[14] Isomorphic Labs. Isomorphic Labs announces Series C investment round. 17 November 2026. https://www.isomorphiclabs.com/articles/isomorphic-labs-announces-series-c-investment-round
[15] BioCentury. Isomorphic raises record $5B round before naming a development candidate. 18 November 2026. https://www.biocentury.com/article/661647/isomorphic-raises-record-5b-round-before-naming-a-development-candidate
![]()
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.