跳到正文
分子之心·· 20 天前精选AI 评分72

分子之心发布MMDesign技术报告,19个项目成功率94.7%,六大GPCR靶点全部命中

94.7%项目成功率,六大GPCR靶点全获命中:分子之心MMDesign完成跨靶点、跨模态系统性验证

AI 导读

分子之心发布MMDesign技术报告,覆盖18个靶点的19个项目中18个获得实验确认的结合分子,项目成功率94.7%。六个GPCR靶点全部命中,NK3R的30个候选全部结合;单项目仅测试9—50个候选,453个受测候选获得139个命中。报告还称MMFold在FoldBench抗体—抗原界面评测中Top-1高质量结构预测成功率为39.0%,MMDesign已可面向药企和生物技术伙伴开展合作。

推荐理由

原文披露19个项目、453个受测候选的湿实验数据,可观察AI分子设计在低实验通量下的成功率与跨靶点表现。

正文

近日,分子之心发布

AI从头设计平台MMDesign

最新技术报告,公布其在多类靶点、两类分子模态及跨轮次设计中的系统性湿实验验证成果

:在覆盖18个不同靶点、纳米抗体和大环肽两类分子模态的19个项目中,每个项目仅测试9—50个候选分子,18个项目获得经确认的结合分子,项目成功率高达

94.7%

。其中,六个具有挑战性的GPCR膜蛋白靶点全部取得成功,NK3R更实现

30个候选全部命中

。

从6月首次发布

纳米抗体从头设计成果

,到7月实现

大环肽跨模态设计

突破,再到此次跨靶点、跨轮次的系统性验证,MMDesign在不到半年时间里连续完成三次迭代,以少量候选的高成功率,和复杂靶点的广泛验证,推动分子发现从海量实验筛选转向AI精准设计,通过“生成—筛选—验证”工作流,将单点设计能力拓展为

低实验通量、可复用、可扩展

的AI分子设计平台。

数十个候选、94.7%的项目成功率:

AI分子设计迈向精准发现

传统抗体发现依赖动物免疫与大规模文库筛选,往往要在数百万乃至数十亿候选分子中进行反复摸索。AI从头设计正在改变这一过程:研发人员可以根据指定靶点和结合位置,在计算空间直接生成全新的分子序列。

而对研发团队而言,生成序列只是起点,更重要的是从中精准选出有结合潜力、可进入实验验证的候选分子。MMDesign则将这一过程整合为“生成—筛选—验证”的统一工作流:指定目标靶点与结合表位,平台在计算空间一次性生成数万个候选,再经结构可靠性、序列天然性和基于统计物理的多层智能评估,将单一项目进入实验的候选集合压缩至仅数十个。这如同先让AI在计算机里完成分子“海选”,再将优选者送入实验室。

最新技术报告以19个设计项目的湿实验结果,展示了这一精准设计范式的实际能力:

· 94.7%的项目成功率:

在覆盖18个不同靶点的19个“靶点×模态”项目中,18个成功获得经实验确认的结合分子。其中,11个非GPCR纳米抗体项目成功10个,六个GPCR项目全部成功,两个大环肽项目也均取得命中。

· 极低的实验测试通量:

单项目仅测试9—50个候选分子,中位数21个;453个受测候选中共获得139个确认命中,整体候选命中率达到30.7%。

· 充足的优化选择空间:

15个项目至少获得两个结合分子,占全部项目近八成,使研发团队不仅能够找到结合分子,还能够在多个候选之间进一步比较和优化。

MMDesign在不同靶点和分子模态上,以有限的实验投入反复获得成功,展示了AI从头设计由单点技术突破走向系统化研发能力的潜力。

对于药企和研发团队而言,这意味着分子发现有机会从传统的大规模实验筛选,转向以计算设计为核心、少量实验验证为支撑的新工作方式,将有限的实验资源更加集中地投入高潜力候选,提升早期分子发现效率。

攻入GPCR“深水区”:

六大高难度靶点全部取得结合分子

GPCR是制药行业最重要的药物靶点家族之一,但复杂的膜蛋白结构和有限的胞外可及区域,长期制约着抗体分子的发现与设计。

报告中,

MMDesign针对六个高难度GPCR靶点开展从头设计,全部成功获得实验确认的结合分子

。在报告所用BLI检测条件下,各靶点候选命中率介于12.1%至100%;

六个靶点的最优结合分子亲和力均达纳摩尔级

,GPR68的最优KD更是低至12.1纳摩尔。

最高命中率100%:

NK3R的30个受测候选全部确认结合;GPR68的11个候选中10个命中。两者合计

41个候选、40个命中

。

突破缺乏已知治疗性抗体先例的靶点:

对于Thera-SAbDab数据库(PL132)中检索查无已编目治疗性抗体先例的5个GPCR靶点—— NK3R、GPR68、CCR7、EP2、A2AR,MMDesign 在89个受测设计中交付了53个结合分子,候选命中率高达

59.6%

。

从100%的候选命中率,到在缺乏已知治疗性抗体先例的复杂靶点上成功发现结合分子,MMDesign的突破不仅体现为单个分子的优异表现,更体现为其在高难度膜蛋白靶点上的广泛适用性,

为GPCR等复杂靶点的抗体发现提供了新的技术路径,也进一步验证了AI从头设计在传统研发难点中的应用潜力。

从一次命中到持续优化:

跨轮次、跨模态验证平台通用性

真实研发不止于一次命中,还需要持续优化并适应不同分子模态。

MMDesign 对6个此前已获命中的靶点再次展开设计,其中5个在命中率、最佳亲和力或两者上获得提升。以PDGFR为例,候选命中率由4.0%升至21.1%,提升至上轮的5倍多;最佳KD由150纳摩尔进一步优化至37纳摩尔,亲和力提升4倍。

跨轮次设计的表现跃升,有力验证了平台的可复用性:

药物研发团队可围绕既定靶点连续设计、逐轮积累更优候选。

跨模态方面,MMDesign将工作流从纳米抗体拓展至构象受环状骨架约束的大环肽。大环肽的设计结果显示:MDM2项目21个候选中16个命中,命中率76.2%,最佳KD为13.7微摩尔;PD-L1项目28个候选中11个命中,最佳KD为40.2微摩尔。

从跨轮次优化到跨分子模态设计,MMDesign正在将针对单一靶点的一次性发现能力,拓展为能够适应不同设计任务、持续产生和优化候选分子的通用技术能力。

不止于结合:

兼顾可开发性与序列新颖性

对于药物发现,“能结合”只是第一步,“可开发”同样重要。MMDesign已将表达、聚集倾向和非特异性反应等核心可开发性指标前移至设计评估,推动AI分子设计从关注结合活性,进一步拓展至对实际研发需求的综合考量。初步可开发性评估显示,部分设计分子在细胞表达、分子聚集及非特异性结合等关键指标上表现良好。

序列新颖性则体现了AI从头设计探索全新分子空间的潜力。MMDesign基于全原子结构预测模型优化序列与结构,生成过程不依赖从抗体序列数据库中检索已知结合分子作为改造起点。与PDB、OAS及SAbDab等数据库的比较显示,多个靶点的设计分子在抗原识别区域与已知抗体存在显著差异,部分分子的关键结合环区CDR3也呈现出新颖构象,为绕开已有专利布局、拓展全新候选空间提供了新的可能。

从结合活性到初步可开发性,再到序列与结构创新,MMDesign正在拓展AI从头设计的评价维度,让计算生成的分子更加贴近真实药物研发需求。

MMFold夯实结构底座

支撑AI生物研发基础设施

从极低通量下的高项目成功率,到复杂GPCR靶点的广泛命中,再到跨轮次优化与跨模态设计,MMDesign展现出的系统性设计能力,离不开自主底层模型与多维度智能评估技术的协同支撑。

分子之心自研的全原子结构预测模型MMFold,正是MMDesign背后的“结构底座”,让候选分子的生成与优选,每一步都建立在全原子层面的精准结构依据之上。

在国际权威的FoldBench抗体—抗原复合物结构预测基准测试中,MMFold展现出具有国际竞争力的预测性能。

在全部 172 个抗体—抗原界面的评测中,MMFold的Top-1高质量结构预测成功率达到

39.0%

,约为AlphaFold 3对照结果19.8%的

两倍

。其Top-1整体成功率达到70.9%,Top-5整体成功率进一步提升至76.7%,其中高质量预测成功率达到44.2%。

在与OpenDDE、Protenix-v2公开结果对应的160个共同界面评测子集上,MMFold的Top-1高质量成功率达到

39.4%

,高于OpenDDE报告的33.0%与Protenix-v2报告的28.2%;Top-5高质量成功率进一步达到45.0%,整体成功率达到

78.8%

。

从自主模型的底层能力,到MMDesign在不同靶点上的从头设计成果,分子之心正在推动底层AI技术向实际分子发现能力转化。

分子之心持续围绕

蛋白质生成

、结构预测、分子设计与

动态模拟

构建自主AI技术体系,并通过

AI原生研发操作系统MoleculeOS

组织专业模型与研发流程,形成“生成—计算—实验—迭代”的研发闭环。

分子之心创始人许锦波表示:“这次扩展评估的重要意义,在于将一次性的设计成功,逐步转化为可重复、可扩展的研发能力。AI生物药研发的长期价值,不只是单个模型的性能突破,更在于通过自主底层模型与生成、评估、实验验证的协同,让精准分子设计成为能够持续解决不同研发问题的

技术基础设施

。”

从单点设计成功到跨靶点、跨模态的系统性验证,从自主底层模型突破到可复用的研发工作流,

分子之心正推动AI分子设计从技术突破走向能够持续服务真实研发需求的产业化能力。

目前,MMDesign已可面向制药和生物技术伙伴开展合作,MMFold已作为MoleculeOS的功能提供。后续,团队将继续深化亲和力优化,拓展更复杂的靶点与分子模态,并加强多维度可开发性优化,推动AI可编程分子工程在实际研发中加速落地。

完整技术报告:

https://zenodo.org/records/23321531

试用MoleculeOS:

https://mos.moleculemind.com

点击阅读原文即可阅读技术报告原文

来源:分子之心 · mp.weixin.qq.com