告别盲盒筛选！分子之心发布 MMDesign，抗体发现迈入可编程生物工程时代

📌 一句话摘要

分子之心发布 AI 抗体从头设计平台 MMDesign，以极低实验通量在多个高难度靶点上实现超 90% 命中率与皮摩尔级亲和力，标志着 AI 蛋白质设计从概念验证走向产业化应用。

📝 详细摘要

本文报道分子之心正式发布的 AI 生物药从头设计平台 MMDesign。该平台采用「生成-过滤」策略，通过自研蛋白质基础大模型与结构预测模型 MMFold，针对每个靶点仅输出数十个候选分子进入湿实验验证。在细胞因子、免疫检查点、病毒蛋白及 GPCR 等 12 个高价值靶点的系统评测中，靶点结合成功率超 90%，最佳亲和力达皮摩尔级别。文章重点介绍了在 TNFα 和 GPCR 两个高难度靶点上的里程碑式突破，以及 MMFold 在抗体-抗原界面预测基准测试中超越 AlphaFold 3 的表现。文章指出，这一成果意味着抗体发现正从大规模随机筛选跨入「可编程分子工程」时代，有望大幅降低早期发现成本、提升管线推进速度。

💡 主要观点

- MMDesign 以极低实验通量实现多靶点高命中率。 针对每个靶点仅输出 14-50 个候选分子进入湿实验，在 12 个靶点中 11 个确认特异性结合，靶点成功率超 90%，颠覆了传统依赖数百万候选分子的大规模筛选范式。

在 TNFα 和 GPCR 等高难度靶点上取得里程碑式突破。 TNFα 靶点仅测试 14 个候选分子即实现 50% 命中率与 51pM 亲和力；GPCR 靶点 29 个候选分子中 22 个特异性结合，且纯度与表达量均达到实用级标准。

MMFold 在抗体-抗原界面预测上超越 AlphaFold 3。 在 FoldBench 基准测试中，MMFold 的 Top-1 预测成功率达 68.6%，高精度预测成功率实现翻倍式超越，为精准分子设计提供了底层结构预测支撑。

平台将成药性特征前置为内在优化目标。 MMDesign 在从头设计极早期就将可溶性、不易聚沉等成药性特征纳入优化，而非事后筛选，有望大幅提升创新药推进至临床阶段的确定性。

💬 文章金句

- 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。

• 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。

📊 文章信息

AI 初评：86

来源：机器之心

作者：机器之心

分类：人工智能

语言：中文

阅读时间：9 分钟

字数：2047

标签： AI 蛋白质设计, 抗体发现, 分子之心, MMDesign, MMFold

阅读完整文章