分子之心MMDesign技术报告：19个项目18个命中，6个GPCR靶点全部拿到结合分子

量子位获授权刊载的这份技术报告显示，分子之心把AI从头设计做成了一条固定流程：先在计算空间生成数以万计的候选分子，再用结构可靠性、序列天然性和基于统计物理的多层评估筛到极少数，最后交给湿实验验证。

报告覆盖纳米抗体（VHH）和大环肽两类分子模态、18个不同靶点共19个设计项目。每个项目只测试9到50个候选分子，中位数21个，18个项目拿到了经实验确认的结合分子，项目成功率为94.7%。

候选层面的口径同样被披露：19个项目合计测试453个候选，其中139个被确认结合，整体候选命中率30.7%；15个项目至少拿到两个结合分子，占比接近八成，这意味着团队不仅“有得用”，还能在多个候选之间做比较和优化。

最能说明技术成色的是GPCR系列。报告称针对CCR7、CCR8、EP2、GPR68、NK3R、A2AR六个GPCR靶点开展从头设计，全部获得实验确认的结合分子，最优亲和力均达纳摩尔级，其中GPR68最优KD低至12.1纳摩尔；NK3R的30个受测候选全部命中，GPR68的11个候选命中10个。

更硬的证据来自“无先例”场景：在Thera-SAbDab数据库中查不到已编目治疗性抗体先例的5个GPCR靶点上，89个受测设计中有53个获得结合，候选命中率59.6%。没有参考答案仍能拿到近六成命中，是“从头设计”区别于“基于已知分子改造”的关键。

可复用性体现在两处。跨轮次上，对6个此前已有结合分子的靶点再做一轮设计，5个在命中率、最佳亲和力或两者上获得提升，例如PDGFR候选命中率从4.0%升至21.1%，最佳KD从150纳摩尔优化到37纳摩尔；跨模态上，MDM2大环肽项目21个候选命中16个，PD-L1项目28个候选命中11个。

报告还把可开发性前移到设计评估环节：部分VHH-Fc候选在10毫升培养规模的CHO细胞表达实验中表现良好，纯化后以非聚集主峰为主，对胰岛素和双链DNA的非特异性反应较低；与PDB、OAS、SAbDab等数据库比对显示，多个设计分子在抗原识别区与已知抗体差异明显，CDR3出现新颖构象。

支撑这一切的结构底座是自研全原子结构预测模型MMFold。报告称在FoldBench全部172个抗体-抗原界面上，MMFold的Top-1高质量结构预测成功率为39.0%，约为AlphaFold 3对照结果19.8%的两倍，Top-1整体成功率70.9%，Top-5整体成功率76.7%。

需要提醒的是，上述数字均出自分子之心自己的技术报告，尚待第三方独立复现，报告也未涉及动物实验或临床阶段的结果。但若这套“生成-筛选-验证”流程能在更多靶点和模态上复现，AI在药物研发中的角色就会从演示性的单点突破，变成药企可以持续调用的基础设施。