MoleculeMind 发布 MMDesign 技术报告,19 个分子设计项目成功率达 94.7%
MoleculeMind's New MMDesign Technical Report Demonstrates 94.7% Campaign Success Rate Across Diverse Molecular Targets and Modalities
MoleculeMind 发布 MMDesign 技术报告,称在 19 个设计项目、18 个靶点及纳米抗体和大环肽两类分子模态上取得 94.7% 的项目成功率。
/PRNewswire/ -- MoleculeMind,一家 AI 原生的生物基础设施公司,近日发布了一份新的技术报告,详细介绍了其 AI 驱动的从头分子设计平台 MMDesign 的性能表现,该平台在多种生物靶点和分子模态上实现了94.7% 的项目成功率。报告呈现了 19 个设计项目的实验验证结果,涵盖 18 个不同靶点和两种分子模态:纳米抗体和大环肽。其中 18 个项目获得了实验确认的结合分子,且每个项目仅测试了 9 到 50 个候选分子。值得注意的是,MMDesign 成功针对所评估的全部六个具有挑战性的 G 蛋白偶联受体(GPCR)靶点生成了结合分子,并在 NK3R 上实现了 100% 的候选命中率。这些发现展示了 AI 驱动的分子发现如何从孤立的设计成功,演进为一种可复用、可扩展的研发方法,将计算生成、智能候选筛选与针对性实验验证相结合。
在有限实验筛选下取得高成功率
传统抗体发现通常依赖动物免疫和大规模文库筛选。这些方法可以探索数百万甚至数十亿个分子候选,但要识别出有前景的结合分子需要大量实验资源。MMDesign 提供了一种互补方法,通过计算生成新的分子序列,并优先挑选少量分子进行实验室测试。在 19 个项目中,该平台的整体候选命中率达到 30.7%,从 453 个经实验测试的候选分子中鉴定出 139 个已确认的结合分子,每个项目测试数量的中位数仅为 21 个。
这些结果表明,计算引导的分子设计或可帮助制药和生物技术研究人员将实验资源集中在预测结合潜力更高的候选分子上,从而提升早期发现阶段的效率。
在六个具有挑战性的 GPCR 靶点上成功发现结合分子
GPCR 是制药行业最重要的治疗靶点家族之一,但其复杂的膜结合结构、构象柔性以及有限的胞外可及性给抗体发现带来了重大挑战。MMDesign 针对 NK3R、GPR68、CCR7、EP2、A2AR 和 CCR8 这六个 GPCR 靶点生成了经实验确认的结合分子。在报告的生物层干涉(BLI)检测条件下,候选命中率介于 12.1% 到 100% 之间,且表现最佳的结合分子在全部六个靶点上均展现出纳摩尔范围的表观亲和力。
NK3R 的全部 30 个受测候选分子均产生了阳性结合结果,命中率为 100%。对于 GPR68,11 个候选分子中有 10 个被确认为结合分子,其中最强的一个表现出 12.1 纳摩尔的表观解离常数(KD)。
MMDesign 还展示了针对已收录治疗性抗体先例有限的 GPCR 靶点的性能。该平台在 89 个受测候选分子中生成了 53 个经确认的结合子,针对五个在指定 Thera-SAbDab PL132 治疗性抗体数据库版本中没有条目的靶点,实现了 59.6% 的候选命中率。
这些发现证明了 MMDesign 对具有挑战性的膜蛋白的适用性,并为针对复杂治疗靶点的抗体发现揭示了新的机会。
迭代优化与跨模态设计
MoleculeMind 针对六个已确认结合子的靶点开展了额外一轮分子设计与实验验证。与上一轮相比,有五个项目的候选命中率更高、最佳实测结合亲和力更强,或两者兼有。血小板衍生生长因子受体(PDGFR)的候选命中率从 4.0% 提高到 21.1%,最佳实测 KD 从 150 纳摩尔改善到 37 纳摩尔,结合亲和力提升四倍。
这些结果表明,MMDesign 能够在连续的设计轮次中为相同靶点生成新的结合子,并带来候选分子性能的提升。
该平台还将能力从纳米抗体扩展到大环肽,后者的受限分子结构带来了独特的设计挑战。在 MDM2 项目中,21 个受测候选分子中有 16 个表现出结合,命中率为 76.2%,最佳实测亲和力为 13.7 微摩尔。对于 PD-L1,28 个候选分子中有 11 个被确认为结合子,最佳实测亲和力为 40.2 微摩尔。这些初步结果展示了在不同分子模态之间应用统一计算发现工作流的潜力。
MMFold 提供结构基础
MMDesign 将分子生成、计算筛选和实验验证整合到统一的工作流中。从指定的靶点和结合表位出发,该平台通过计算生成数万个候选分子。在选出数十个有前景的候选分子进入实验室测试之前,多层评估流程会对结构可靠性、序列自然度以及基于统计物理的结合特性进行评估。MoleculeMind 自有的全原子结构预测模型 MMFold 为这一流程提供支持。
在评估 172 个抗体-抗原界面的 FoldBench 基准测试中,MMFold 的 Top-1 高质量结构预测成功率达到 39.0%,约为基准比较中 AlphaFold 3 所报告的 19.8% 的两倍。其总体成功率达到 70.9%,而 AlphaFold 3 报告的数值为 47.9%。
这些基准测试结果凸显了 MMFold 的结构建模能力,它与基于序列和基于物理的评估协同工作,为 MMDesign 的候选分子优先级排序流程提供支持。
超越结合:可开发性与分子新颖性
结合活性是药物发现中的关键第一步,但潜在的治疗候选分子还必须满足更广泛的开发要求。MMDesign 将表达潜力、聚集倾向和非特异性反应性的初步评估纳入其候选分子优先排序流程。实验观察表明,许多设计分子在哺乳动物细胞中表现出良好的表达,主要呈单体行为,并且对所选替代抗原的非特异性结合较低。这些初步发现是该平台具有生成实验可操作分子潜力的令人鼓舞的证据,为进一步的治疗可开发性评估奠定了良好基础。
MoleculeMind 还通过与已有的序列和结构数据库(包括 PDB、OAS 和 SAbDab)进行比较来评估分子新颖性。分析发现,许多设计分子与已知抗体之间存在显著差异,尤其是在抗原识别区域。一些候选分子在其 CDR3 结合环中表现出新颖的构象,这表明有机会探索此前代表性不足的分子结构。
MoleculeMind 创始人徐锦波表示:
MoleculeMind 正在构建一个集成的 AI 技术生态,涵盖通过 NewOrigin 进行蛋白质生成、通过 MMFold 进行结构预测、MMDesign 的分子设计,以及利用 QuantaMind 进行动态模拟。通过其 AI 原生研发操作系统 MoleculeOS,公司将专业模型与研究工作流连接起来,以支持生成、计算、实验和优化的迭代循环。
MMDesign 可用于与制药和生物技术合作伙伴开展合作发现项目,而 MMFold 可通过 MoleculeOS 使用。未来的发展重点包括进一步的亲和力优化、日益复杂的目标和分子模式,以及扩展的可开发性评估。
完整的 MMDesign 技术报告可在此查看。
要试用 MoleculeOS,请访问 https://mos.moleculemind.com。
关于 MoleculeMind
MoleculeMind 成立于 2022 年,是一家 AI 原生生物基础设施公司,业务处于人工智能、生物学和工程学的交叉领域。依托其专有的 MoleculeOS® 平台,公司能够为治疗和工业应用实现蛋白质的从头设计与优化。MoleculeMind 旨在释放蛋白质的全部功能潜力,加速下一代疗法和高性能生物产品的开发。https://moleculemind.com
SOURCE MoleculeMind

来源:PR Newswire 健康 · prnewswire.com
