超越国际顶尖模型！分子之心推 MMDesign，靶点命中率狂飙至 90%

超越国际顶尖模型！分子之心推 MMDesign，靶点命中率狂飙至 90%

一句话看懂：分子之心（MoleculeMind）发布全新AI生物药从头设计平台MMDesign，在12个高价值靶点评测中实现超过90%的结合成功率，并攻克了GPCR等传统高难度靶点，标志着AI蛋白质设计从实验室概念走向产业化应用。

事件核心：发生了什么

由许锦波教授团队创立的分子之心，于今日正式发布了MMDesign平台。该平台采用“生成-过滤”策略，通过自研的蛋白质基础大模型和全原子结构预测模型MMFold协同工作，用户只需输入目标蛋白和表位残基，即可一次性生成数万个候选分子，再经多层智能评估，将候选池压缩至每个靶点仅数十个分子进入湿实验验证。

在针对细胞因子、免疫检查点、病毒蛋白及多次跨膜受体等12个治疗性靶点的系统性评测中，MMDesign在每个靶点仅测试14到50个分子的极低通量下，成功在11个靶点确认特异性结合，成功率超90%，最佳亲和力达到皮摩尔级别（pM）。在权威的FoldBench基准测试中，其核心引擎MMFold的Top-1预测成功率达68.6%，显著超越AlphaFold 3等国际顶尖模型。

为什么重要

这一成果扭转了AI蛋白质设计领域“好看不好用”的印象。传统抗体发现依赖动物免疫或大规模文库筛选（数百万候选分子），周期以年计、耗资巨大，且成功率极低。MMDesign将这一过程转变为“AI精准设计+极小规模实验验证”的新模式，显著降低了早期研发的试错成本和时间。

更具产业意义的是，MMDesign在TNFα（浅层三聚体靶点）和GPCR（G蛋白偶联受体）两大高难度靶点上均取得突破：前者以50%命中率实现51pM亲和力，后者在29个候选分子中22个实现特异性结合，且候选分子在纯度、表达量和可溶性等成药性指标上表现优异。这说明MMDesign不仅在计算中做到了“看准”，还将后期成药性风险前置化解，直接提升了药物推进至临床阶段的确定性。

对用户/开发者/创作者的影响

对于制药企业研发团队，MMDesign意味着可以大幅降低早期药物发现的人力与物力投入，在更短时间内覆盖更多高价值靶点，尤其是过去被视为“难成药”的跨膜蛋白靶点。对于生物技术初创公司，该平台降低了进入抗体药物赛道的技术门槛，使小团队也能挑战复杂靶点。对于AI开发者，MMDesign展示了基础大模型（MMFold）与工业部署场景（MMDesign）之间的有效转化路径，提供了从结构预测到分子工程的新范式参考。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

目前公开信息显示，分子之心计划依托MMDesign拓展多特异性生物制剂等前沿领域，并与全球制药伙伴合作。后续需观察：一是MMDesign是否会开放API或提供SaaS化服务，降低企业自主研发的门槛；二是其在高难度靶点上的命中率是否能扩展到更多靶点且保持一致性；三是现有国际巨头（如DeepMind的AlphaFold系列、David Baker团队）是否会推出类似的产业级设计工具，引发新一轮竞争。

来源：Readhub · AI