ARTICLE SIGNAL
国产AI制药破天花板:6大GPCR全命中与从头设计突围 | AI新闻
AI制药,分子之心,MMDesign,GPCR靶点,蛋白质设计,大模型,AI资讯,结构预测,MMFold,AGI,生物医药
type
status
date
slug
summary
tags
category
icon
password
网址
在生命科学与计算机科学的交叉前沿,人工智能(AI)正在彻底重构传统药物研发的底层逻辑。过去,抗体研发往往高度依赖动物免疫或在大规模噬菌体文库中进行成本高昂、耗时漫长的“大海捞针”。然而,随着大模型算法与计算生物学的结合,从头设计(De Novo Design)正在将这一范式颠覆。
近日,国内AI蛋白质设计领军企业分子之心发布了一份震撼业界的MMDesign技术报告:在覆盖18个不同靶点、涵盖纳米抗体(VHH)与大环肽两类分子模态的19个真实设计项目中,取得了18个项目成功获得实验验证结合分子的战绩,项目成功率高达94.7%。更引人瞩目的是,面对被誉为药物研发“皇冠上的明珠”且构象极其复杂的GPCR(G蛋白偶联受体)靶点,MMDesign实现了6个受测靶点100%全获命中的惊人表现。这一成果不仅标志着国产AI制药打破了关键技术天花板,更宣告AI分子设计正从实验性探索迈向可规模化、可重复交付的工业级阶段。
从“大海捞针”到“靶向狙击”:94.7%项目成功率的工业化突破
传统药物发现之所以周期长、失败率高,核心痛点在于湿实验的试错成本极其巨大。研发团队往往需要筛选成千上万个分子,才能侥幸筛出少数几个低活性的苗头化合物。
MMDesign平台交出的答卷彻底改写了这一研发路径。在全部19个项目中,每个项目仅需在湿实验中合成并测试9至50个候选分子(中位数仅21个),就有18个项目锁定了具有实际结合活性的分子,项目成功率达94.7%。在全部送检的453个候选分子中,经实验确认结合的达139个,整体分子命中率达到30.7%。
在药物研发领域,“项目成功率”与“分子命中率”是衡量AI赋能的两把核心标尺。接近95%的项目成功率意味着药企立项几乎不会“空手而归”;而30.7%的单分子命中率则代表实验资源可以极度聚焦。有近八成的项目甚至同时获得了两个以上的优质结合分子,赋予后续优化充分的选择空间。这种将海选阶段完全搬进计算机的“生成-筛选-验证”闭环,实现了从粗放筛选向精准定向设计的范式转变。
攻坚制药“珠峰”:6大GPCR膜蛋白靶点全获命中的硬核成色
评估AI药物设计工具的成色,必须将其置于最严苛的生物学挑战之中。GPCR作为人体内最大的膜蛋白受体家族,涵盖了心血管、神经系统、肿瘤等诸多重磅疾病靶标,占据了现有上市药物三分之一以上的靶点份额。但因其具有跨膜构象多变、细胞外结合表位狭窄且疏水性强等特性,抗体研发历来困难重重。
报告显示,MMDesign对包括CCR7、CCR8、EP2、GPR68、NK3R、A2AR在内的6个高难度GPCR靶点实施了从头设计,不仅无一失手,且所有靶点的最优候选分子亲和力全部达到了纳摩尔(nM)级别。例如在GPR68靶点上,最优结合KD低至12.1 nM;在NK3R靶点中,送测的30个候选分子更是实现了100%结合命中。
更为关键的是,在Thera-SAbDab治疗性抗体数据库中查无先例的5个全新GPCR靶点上,平台在没有任何模板可供参考的“闭卷考试”场景下,依然达成了59.6%的高候选命中率。这有力地证明了该算法并非依赖已知同源抗体的简单微调,而是真正理解了蛋白质序列与三维构象之间的物理法则,具备直接面向未开拓靶点开辟全新药物管线的能力。
超越结合亲和力:可开发性与新颖性构筑专利壁垒
在药物开发的长周期中,能够在早期阶段与靶点结合仅仅是一张“准考证”,候选分子能否最终成药,更取决于其可开发性指标以及知识产权的新颖性。许多传统计算手段设计的分子往往存在易聚集、表达量极低或非特异性粘附等致命缺陷。
MMDesign在算法底层将成药性评估前置化。实验数据显示,其生成的VHH-Fc工程分子在CHO细胞体系中展现出优良的表达量,纯化后主要以非聚集单体形式存在;在针对胰岛素和双链DNA等替代抗原的交叉反应测试中,候选分子表现出极高的特异性,显著规避了体内毒副作用风险。
与此同时,结构比对表明,MMDesign产出的抗体在关键结合环区(CDR3)呈现出完全不同于PDB与SAbDab数据库已知抗体的新颖构象。对于药企而言,这种超越同质化竞争的原创新序列,不仅能在性能上实现超越,更能有效突破跨国药企严密的专利封锁,为打造全球首创(First-in-Class)药物奠定自主IP基础。
超越AlphaFold 3两倍:自研基础大模型构建生物新基建
从头设计的高精准度,离不开底层高精度的分子结构预测能力。驱动MMDesign精准决策的底层核心,是分子之心自研的全原子结构预测模型MMFold。
在国际公认的FoldBench抗体-抗原复合物界面预测基准测试中,MMFold在全部172个界面的评测中,Top-1高质量预测成功率达到了39.0%,约为行业标杆AlphaFold 3(19.8%)的两倍。更精准的复合物构象预测,使算法能够在数字空间快速排除空间位阻不合理或结合力不足的假阳性分子,从而大幅提升实体湿实验的测试效率。
MMFold的高光表现,依托于其系统性的全栈AI技术矩阵:底层由多模态蛋白质基础大模型NewOrigin提供通用生物表征,上层结合MMDesign进行分子生成与优选,配合QuantaMind进行构象动态模拟,并由AI原生研发操作系统MoleculeOS贯穿起“生成-计算-验证-反馈”的流水线。这种成体系的基础设施布局,展现了国产自研算法在生命科学垂直领域追赶并反超国际先进水平的深厚潜力。
正如大语言模型(LLM)如 ChatGPT、OpenAI 系列与 Claude 正在重塑数字生产力,生物计算大模型也正在把生物医药带入全新的智能化时代。探索前沿技术的从业者,无论是研究前沿算法 Prompt 提示词工程,还是寻求大模型在工业界落地与 AI变现 的商业机遇,深入理解 人工智能 在硬核科学中的深远应用都已成为必修课。
结论与展望:AI制药迈入可复用的工业化新纪元
分子之心MMDesign公布的实测数据,清晰地划定了一条分水岭:AI制药不再停留在单次成功的“炫技”演示,而是升级为一种跨靶点、跨模态、高稳定性的可复用工业化能力。
从94.7%的项目成功率,到6大GPCR靶点的全面攻克,再到超越AlphaFold 3的结构预测底座,国产AI制药在算法创新、算力协同与湿实验闭环能力上已经稳居世界第一梯队。未来,随着AI与生物大数据的进一步深化融合,人类攻克难治性疾病的研发周期将大幅缩短,全球新药研发版图也将迎来深刻的结构性重塑。
Loading...