近期，“AI蛋白质折叠奠基人”许锦波教授创立的AI蛋白质设计公司分子之心发布重磅技术进展：其自研的AI生物药从头设计平台——MMDesign，全球范围内率先实现了低通量、高精度的实用级纳米抗体从头设计。

实验数据显示，在极小的实验样本量下，MMDesign在十多个真实治疗靶点上实现了特异性结合，靶点成功率超过90%，AI设计的分子最佳亲和力达皮摩尔级别，且展现出优异的成药性特征。

这一突破意味着，抗体大分子的研发正在实质性地实现从“盲盒式随机筛选”向“可编程分子工程”的范式转移。

重塑抗体发现范式：从数十亿随机筛选到可编程分子工程

传统的抗体发现高度依赖动物免疫或大规模文库筛选，往往需要在数百万乃至数十亿的候选分子中进行“大海捞针”式的实验验证，成本高昂，且对结合表位和分子成药性质的可控性极低。

近年来，生成式人工智能在蛋白质设计领域掀起了革命性的波澜，但在药物研发领域，低通量、高成功率的实用性抗体设计仍是行业亟待突破的“圣杯”。此前的AI方法对不同靶点的成功率极其不稳定，或仍需依赖大规模的实验探索。

如今，分子之心打破了这一僵局。MMDesign的验证结果意味着，低通量、高精度的实用级纳米抗体从头设计被跑通且可复用，抗体等生物制剂的研发正从“盲盒筛选”的发现范式实质性地跨入精准、高效的“可编程分子工程”时代。

MMDesign采用"生成-过滤"策略，在极低的实验通量下，实现超过90%的靶点成功率，将大分子抗体发现正式从“随机筛选”推向“可编程分子工程”时代。

分子之心在细胞因子、免疫检查点、受体蛋白及多次跨膜蛋白等12个高价值治疗性靶点上对MMDesign进行了系统性评测。在每个靶点仅挑选14到50个AI设计的候选分子进行实际湿实验表达与测试的情况下，有11个靶点成功确认特异性结合，靶点成功率超过90%，验证了该平台在异源靶点上的广泛适用性。

以下是部分实验反馈数据：

最令人兴奋的是，MMDesign稳定输出了大量亲和力达到纳摩尔（nM）甚至皮摩尔（pM）级别的高活性实用级纳米抗体。以PD-L1为例，该靶点下的候选分子命中率达86.7%，从头设计的最优分子亲和力（KD）达7.2nM。

此外，MMDesign设计的高活性分子展现出卓越的源头新颖性，成功开拓了全新的结合构象空间，构筑了极深的专利壁垒。

这一系列数据意味着，原本以“年”为单位、耗资巨大的“药物筛选”过程，有望被“AI精准设计+极小规模实验验证”的新模式颠覆。

攻克行业顽疾：在极难靶点TNFα上命中50%并获得皮摩尔级高亲和力分子

除了常规靶点，MMDesign在TNFα和GPCR这两个业界公认的高难靶点上也取得了里程碑式的进展。

TNFα是一种同源三聚体细胞因子，其结合界面浅且高度溶剂暴露，是AI从头设计中最具挑战性的靶点类别之一。在此前已发表的同类研究中，尚无团队能在低通量条件下取得成功。MMDesign在仅测试14个纳米抗体候选分子的情况下，7个分子实现了特异性的靶标结合，且最高亲和力表现达到惊人的51pM。

G蛋白偶联受体（GPCR）是制药领域最大的药物靶点家族，但因其构象极其复杂,一直是抗体设计的难成药“深水区”。MMDesign在从头设计纳米抗体的极早期，就将“可溶性、抗聚集”等成药性特征作为内在优化目标，而非事后筛选。其针对GPCR靶点（CCR7）从头设计的29个纳米抗体中，有22个候选分子实现了特异性结合，且纯度达到了90%-99%、瞬时表达量均超过0.5g/L。这种将后期CMC风险大幅前置化解的能力，可以极大提升创新药推进至临床阶段的确定性。

（AI设计的纳米抗体不仅仅是能表达，且能够与GPCR靶点(CCR7)实现特异性地结合，且具有良好的浓度依赖性）

从“结构预测”到“从头设计”：应用驱动的底层算法持续创新

MMDesign能在极小规模内实现多靶点的高命中率与高活性，源于分子之心团队在蛋白质研究和应用上的长期深耕。

分子之心创始人许锦波教授是全球蛋白质结构预测领域的开创者之一，早在2016年就提出RaptorX-Contact方法，率先证明深度学习可以显著提升蛋白质结构预测精度，被业界视为AlphaFold等系统的重要方法学开创者。如今，他带领分子之心把这套从0到1的基础研究成果，延伸到抗体和纳米抗体的从头设计与工程化应用。

AI引导设计的上限直接取决于底层结构预测模型对“抗体-抗原界面置信度图谱”刻画的精准度，MMDesign底层采用分子之心自研的全原子结构预测模型MMFold。

在权威的FoldBench基准测试中（基于172个抗体-抗原界面），MMFold的Top-1预测成功率达到了68.6%，显著超越了AlphaFold 3、Boltz-1、Chai-1等主流模型。在工业界更为看重、难度极高的高精度结构预测中，MMFold的成功率实现了对其他模型的翻倍式超越。

（上图清晰展示了MMFold、AlphaFold 3、Boltz-1、Chai-1等模型在High、Medium、Acceptable三个质量梯队下的累计DockQ成功率对比，直观突显MMFold的优势）

对底层结构预测的精准描绘，让MMDesign“看的更准”，进而在庞大的计算空间中更加精准地锁定目标分子。

“我们构建的不仅是一个技术工具，而是一整套重构研发范式、打破制药‘双十定律’的全新基础设施。”许锦波表示。

由此，一条清晰的产业脉络也逐步浮现：AI驱动的可编程分子工程正在大幅减轻生物实验室的负担，实现更高效、更高成功率的表位靶向药物设计。

未来，分子之心将依托MMDesign平台，进一步拓展多特异性生物制剂等前沿领域，与全球制药伙伴携手，将AI计算的无垠潜力转化为切实造福人类的新一代创新疗法。