文章摘要
2026年11月,顾全旗下成立仅5个月的15人创业团队推出全原子结构预测模型NovaAtom-Lite,该模型在权威生物分子预测基准测试FoldBench中多项指标超越行业巨头同类产品,可大幅提升分子预测精度,有望将药物研发周期压缩至4年,目前更强版本NovaAtom-Pro已在研发。

据行业观察,某AI企业的首席执行官达里奥·阿莫迪曾表示:AI技术有望在10年内将人类生物学领域50到100年的进展压缩实现,癌症、阿尔茨海默症、心脏病等顽疾都有望被攻克。

这番话引发了不少讨论,但多数人仅当作行业展望。直到一位教授提出了更激进的目标:10年太慢,要将药物研发周期压缩到4年。

11月10日,这位教授创立仅5个月的创业公司,发布了全原子结构预测模型NovaAtom-Lite。

在全球最严苛的生物分子预测基准测试FoldBench上,该模型直接超越了某头部生物科技企业旗下的王牌模型,在一系列生物制药基准测试中屠榜,获得多项第一。

仅由15人组成的创业团队,在5个月内借助数百张GPU的算力完成研发,而对比的对手是累计融资数十亿美元、正洽谈数百亿美元估值新一轮融资的行业巨头。这一结果在某社交平台上引发热议。

有人感叹,阿莫迪预测癌症10年内攻克,而这位科学家的模型给出了4年的时间表;也有人感慨,某知名科技公司的AI实验室投入巨额资源研发的模型,竟被15人团队的5个月成果超越。

这并非这位科学家首次取得突破性成果。此前他带领团队开发出SeedFold,是首个在FoldBench上超越某知名生物结构预测模型的系统,直接推动行业巨头推出新模型应对竞争,而这次NovaAtom-Lite再次颠覆了格局。

据他透露,NovaAtom-Lite只是该模型家族的首个版本,更大更强的NovaAtom-Pro已在研发中,未来有望进一步打破行业现有进展,人类攻克绝症的时间表因此再度提前。

生物界已迎来类似芯片领域的爆发时刻,有投资人如此感慨

NovaAtom-Lite的核心原理

药物研发的难点在于,药物起效需要分子精准结合另一个分子,比如抗体结合抗原、小分子药物嵌入蛋白质口袋,这种结合发生在埃级别的原子尺度,稍有偏差就会失效。

传统研发依靠湿实验逐一测试,平均一款新药研发周期长达13年、耗资近20亿美元,成功率不足5%。AI的价值在于可在计算机中模拟这种分子结合,大幅缩短试错周期,NovaAtom-Lite正是为此开发。

它能输入蛋白质、DNA、RNA序列及小分子配体信息,精准预测复合物中每个重原子的三维空间坐标,而非模糊轮廓。同时,它加入了条件约束与提示功能,可参考共价键、已知结合口袋等线索灵活调整预测,还会返回局部结构置信度、残基间预期误差、界面可靠性指标,给出预测的可信度。

两大核心测试:79.07%与77.06%

制药界衡量模型能力的核心标准是抗体-抗原结合预测与蛋白质-配体结合预测,前者是大分子抗癌药物的核心,后者是小分子靶向药的关键,两个方向难度极高。

FoldBench是公认最严格的全原子生物分子预测基准,包含1522个复合物结构,数据均来自模型训练截止后的新结构,避免提前泄露答案。

第一拳针对抗体-抗原测试,该基准包含172个结合界面,评判标准为对接Q分数,分数越高代表预测与真实结构越接近。该模型比某知名生物结构预测模型高出31个百分点,比行业巨头模型高出3.5个百分点;当标准提高到高分值要求时,成功率是前者的2.2倍。

第二拳针对蛋白质-配体测试,覆盖558个结合界面,判定标准更苛刻,要求小分子预测位置偏差小于2埃且周围蛋白质接触细节吻合。两项核心指标均获第一。

是懂物理还是死记硬背?

每次模型刷榜都会引发是否偷看答案的质疑,这一质疑合理,因为结构预测模型依赖已知结构训练,若仅靠背诵则无法应对新药研发中的全新分子。

行业有专门测试模型是否死记硬背的“运行与姿态测试”,将样本按与训练集相似度分组。在相似度最低的组中,某知名生物结构预测模型成功率腰斩至24%,而NovaAtom-Lite仍稳定在47.6%,是前者的两倍;在高相似度组中,两者差距缩小,但越是陌生样本,该模型领先优势越大,说明它掌握了底层物理法则,拥有可迁移的推理能力。

算力提升带来的可扩展性

推理阶段缩放规律在大语言模型中已验证,该模型证明这一规律同样适用于生物分子预测。在同一批抗体-抗原界面测试中,团队发现增加采样数量可提升成功率:1个随机种子成功率74.3%,5个种子79.07%,25个种子81.7%,100个种子达83.1%,接近事后最优解的88.4%。

这意味着模型具有极强弹性,创业公司可用少量算力快速试错,医药巨头则可投入更多算力压榨精度,模型上限仍有很大提升空间。

提示带来的显著提升

真实研发中科学家常掌握线索,模型能否利用这些提示是关键。该模型在测试中证明,它不仅能理解提示,还能大幅提升效果:在抗体-抗原测试中,仅提供一个接触残基对,成功率从79.07%升至91.28%;在更大规模测试集中,提升幅度近23个百分点。

在蛋白质-配体测试中,提示对最难样本帮助最大,在相似度最低组中,提供完整口袋提示可提升成功率16个百分点,而高相似度组仅提升2-5个百分点,说明模型能从线索中挖掘更多信息,科学家经验不会被浪费。

两个神级案例:分子套索与暗门破解

数字之外,模型解决真实难题的能力更具说服力。第一个案例是中东呼吸综合征的纳米抗体预测,其核心的CDR-H3长环极度灵活,是结构预测的噩梦级难题,该模型生成的25个候选方案全部命中,预测误差仅0.56埃,覆盖所有表位残基。

第二个案例是KRAS癌症靶点,该靶点表面光滑,药物难以下手,抑制剂需进入隐藏口袋起效,而口袋平时处于关闭状态,模型不仅要预测药物位置,还要推测蛋白质构象变化。该模型预测的配体位置偏差仅0.98埃,且重现了全部天然极性接触,无空间冲突,堪称分子级微雕。

顶级风投的预言:制药业的GPT时刻

模型发布三天后,某顶级风投发布重磅研报,认为AI制药正进入类似大语言模型的GPT-3时刻,生物AI能力已达转折点。研报指出,传统药企估值依赖现金流,而AI让药物发现可预测,投资者愿为AI基础设施付费,估值逻辑将重构。

值得注意的是,该模型被纳入研报,且产业版图中唯一点名的公司就是这家创业公司。研报将AI制药初创分为两类,这家公司属于提供模型工具的顶尖“卖铲人”,其平台已开放给药企和科研团队。

产业端数据已验证趋势,多家企业AI业务高速增长,大药企纷纷布局AI制药,整个行业底层逻辑正在重写:AI不再是辅助工具,而是制药的基础设施。

最短路径

这家创业公司的创始人是某知名高校计算机科学系教授,2026年6月创立公司,目标是找到从生物学到药物的最短路径,5个月后就交出了答卷。NovaAtom-Lite是首个模型,更大更强的版本已在研发中。

公司布局是三位一体闭环:NovaAtom负责结构预测,NovaDDE负责科学推理与药物发现工作台,NovaLab负责湿实验验证,从提出问题、计算分析到实验验证一条龙打通。这正契合行业判断,更快更低成本研发药物,是AI最具深远影响力的应用方向,药物研发的时间加速器已经到来。

以上内容不代表本平台立场,仅供读者参考