分子之心MMFold准确率翻倍超越AlphaFold3 AI生成皮摩尔级抗体

先说一个明确判断：在AI制药这条赛道上，我们正迎来一场从“平面推进”到“技术攻坚”的关键转折。不久前，由“AI蛋白质折叠奠基人”许锦波教授领衔的分子之心团队，凭借其自主研发的AI生物药从头设计平台MMDesign，在纳米抗体设计领域实现了一项具有里程碑意义的突破——在全球范围内率先完成低通量、高精度、实用级的全流程闭环验证。

这项成果究竟有多突破？在实验样本量极小的前提下——每个靶点仅需测试14到50个候选分子——研究团队在十多个真实疾病靶点上取得了超过90%的结合成功率，最佳亲和力甚至达到皮摩尔级别。这意味着什么？它标志着抗体药物研发正从过去那种耗时漫长、依赖运气、投入巨大的“大海捞针”式盲测，被实质性地推向精准高效的“可编程设计”时代。对于加速发展生物医药领域的“新质生产力”而言，这无疑是至关重要的技术支撑。

打破传统路径依赖，将新药发现从"大海捞针"转变为"按图索骥"

过去很长一段时间，抗体药物的发现主要依赖动物免疫或大规模文库筛选。说白了，就是在数百万甚至数十亿的候选分子中反复试错，犹如大海捞针。这种模式的弊端显而易见：研发周期冗长、试错成本极高，而且难以精准控制药物的靶向性和最终成药性。这也正是为何公众常觉得“创新药、平价好药”难以企及——研发成本居高不下、效率难以提升，构成了新药上市路上难以跨越的障碍。

面对这一全球性难题，分子之心团队选择了一条截然不同的技术路线：借助生成式人工智能来破局。他们自主研发的MMDesign平台采用“生成-过滤”的创新策略，在极低通量的实验验证下——每个靶点只需测试14到50个候选分子——就实现了高达90.9%的靶点成功率。这一数据分量十足，意味着我国在AI大分子药物设计领域，已成功跨越从“理论预测”到“工业实用”的巨大鸿沟。

攻克"难成药"界碑，为重大疾病治疗拓展新空间

更值得一提的是，这项技术不仅在常规靶点上表现出色，在业界公认的多个高难度“冷门靶点”上也取得了世界级进展。

举例来说。肿瘤和自身免疫疾病中，TNFα是一个非常关键的靶点，但其结合界面异常平坦，缺少理想的结合“口袋”，长期以来是低通量从头设计的“无人区”。此前，全球没有任何团队能在这种条件下取得成功。而我国科研团队通过MMDesign，在仅测试14个分子的苛刻条件下，实现了50%的命中率——并且亲和力达到皮摩尔水平，大幅超越传统实验筛选的精度。这并非小修小补，而是实实在在的科研突破。

再看制药界最具挑战性的药物靶点家族之一——G蛋白偶联受体（GPCR）。该平台设计的纳米抗体在保持高特异性结合的同时，其纯度和表达量均达到极高的工业生产标准。这意味着，新药在后期制造和生产过程中的失败风险，从源头就被大幅降低了。这才是真正的产业价值所在。

核心算法全面领先，底层大模型实现"自主可控"

如此高精度的设计能力，根源在于底层基础大模型的深厚积累。据了解，MMDesign平台及其底层的全原子结构预测模型MMFold，均由许锦波教授团队独立研发。在国际权威的FoldBench基准测试中，MMFold的预测成功率达到68.6%，在关键指标上显著超越AlphaFold 3等国际顶尖模型。更值得关注的是，在面向工业应用的高精度预测梯队中，MMFold的表现更是实现了对国际同类模型的成倍领先。

这意味着，我们在底层算法上真正掌握了技术话语权，为我国新药研发构筑了一道具备完全自主知识产权的技术壁垒。

可以预见，随着这项底层技术的进一步推广与转化，创新药的研发效率和成本都将被大幅优化。更多高品质、具备国际竞争力的新药加速问世，这已不再是遥远的愿景。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：分子之心MMFold准确率翻倍超越AlphaFold3 AI生成皮摩尔级抗体要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题