分子之心发布MMDesign 94.7%项目成功率 GPCR靶点全命中
当AI生物药研发不再追求生成海量蛋白质序列，转而聚焦“精准设计少量有效分子”时，一项新的技术突破正为行业带来重要参考。
某AI研发团队近日发布了AI从头设计平台MMDesign的最新技术报告，报告数据展现了该平台在分子设计与验证上的显著能力：覆盖18个靶点、两类分子模态的19个设计项目中，18个获得实验确认的结合分子，项目成功率达94.7%；每个项目仅测试9至50个候选分子，中位数为21个。
更值得关注的是，六个受测的G蛋白偶联受体（GPCR）靶点全部获得命中；针对此前已有成功设计的六个靶点开展新一轮优化，其中五个项目的命中率或结合亲和力均实现提升。这组结果表明，AI从头设计正从个别靶点的示范，向少量实验验证、跨靶点跨模态的可重复研发流程迈进。
每个项目仅测数十个分子：AI设计大幅压缩实验筛选规模
长期以来，抗体发现依赖动物免疫和大规模文库筛选，需从海量候选中寻找有效分子，成本高、效率低。AI从头设计的思路是，研究人员指定目标蛋白和结合位点，由AI直接生成新分子序列，但如何精准选出可验证的候选是关键。
MMDesign采用“生成—计算优选—实验验证”的流程：先在计算空间探索大量序列，再通过结构可靠性、序列特征、物理特性等标准筛选，将候选压缩至每个项目9至50个，相当于先在计算机中完成分子“海选”，再将优选结果送进实验室验证。
报告数据显示，19个项目中18个获得命中，合并候选命中率约30.7%，15个项目至少得到两个结合分子，为后续优化保留了选择空间。两个核心指标清晰传递价值：94.7%是项目能否找到至少一个有效分子的概率，30.7%是受测候选中真正有效的比例，两者共同说明，MMDesign将实验验证范围压缩至数十个分子的同时，能稳定获得可进入研发流程的有效分子，帮助研发资源集中于高价值候选。
六个GPCR靶点全部命中：高难度靶点研发获关键突破
GPCR是重要的药物靶点家族，其膜环境复杂、构象多变，可结合区域有限，针对这类靶点设计分子难度极高。此次评估覆盖六个GPCR靶点，全部获得实验确认的结合分子，其中NK3R靶点的30个候选全部命中，命中率100%；GPR68靶点的11个候选中有10个命中，最佳表观结合亲和力KD达12.1nM。
在相关数据库中无已编目治疗性抗体先例的五个GPCR靶点上，89个受测候选获得53个结合分子，候选命中率达59.6%。这些结果表明，MMDesign不仅能在高难度膜蛋白靶点上实现突破，更具备广泛适用性，为这类靶点的抗体发现提供了新路径，验证了AI从头设计在传统研发难点中的应用潜力。
从单次成功到广泛应用：可复用是产业级平台的核心价值
对药企而言，AI技术不仅要在单个靶点上取得突破，更需具备跨任务的可复用性：一是同一靶点能否通过多轮迭代持续优化，二是不同靶点能否重复应用。
本次评估中，MMDesign对六个已有设计成果的靶点进行新一轮设计，五个项目实现了命中率或亲和力的提升。例如某靶点项目的候选命中率从4.0%提升至21.1%，是之前的5.2倍，最佳亲和力提升4倍，说明平台可在同一研发问题上持续优化。
同时，平台的适用范围扩展到不同分子模态：除纳米抗体外，两项大环肽设计均获得有效分子，相关工作流已扩展到不同类型的分子设计中。这种跨靶点、跨模态的可复用能力，是AI从头设计平台走向实际研发应用的重要基础。
不止于结合：MMDesign兼顾分子质量与底层模型能力
药物发现中，有效分子需满足可开发性要求，包括稳定表达、低聚集、低非特异性结合等。报告显示，MMDesign设计的许多VHH-Fc候选分子能在细胞中稳定表达，纯化后保持单体状态，聚集迹象少，针对胰岛素和双链DNA的检测中呈现较低非特异性反应，具备积极的可开发性信号。
在序列新颖性方面，报告强调从头设计并非基于现有抗体序列检索或局部突变，与多个数据库对比显示部分设计序列的新颖性，有望拓展候选空间，为差异化知识产权布局提供可能。
支撑平台能力的是自研的结构预测模型MMFold，在相关评估中，MMFold Top-1预测总体成功率约70.9%，高质量预测成功率约39.0%，性能优于同类模型。结构预测的准确性为候选分子的筛选提供关键依据，让设计更精准。
从海量筛选到精准设计：AI生物药研发的范式升级
将这份报告放在AI制药的产业语境中，其意义远超单次技术突破。MMDesign的成果不仅是设计出有效分子，更是构建了一套可重复应用的分子发现工作流，其技术布局涵盖底层模型、设计平台、结构预测等多个环节，最终目标是让研发人员围绕明确需求，快速获得少量值得验证的候选，并持续迭代。
当计算设计将庞大的探索空间压缩为有限的实验集合，早期发现正从依赖海量筛选转向“明确需求—精准设计—少量验证—持续优化”的新范式。这份报告的成果为这一方向提供了实证支持，是AI从头设计走向产业级研发工具的重要一步。
