AI驱动可编程设计：分子之心重塑生物药研发新范式

近日，在一场聚焦人工智能与新药研发融合的专题研讨会上，分子之心创始人许锦波提出，人工智能对生物药研发范式的重塑，远不止于加速蛋白质结构预测。其深层价值在于推动研发路径从传统依赖海量筛选的试错模式，转向以目标为导向、高度可控的可编程设计范式。这一范式强调在项目启动阶段即明确靶点、表位、分子类型及各项性能指标，随后由AI系统生成符合要求的候选分子，并依托湿实验结果实现快速闭环迭代。

目前，分子之心已在纳米抗体、环肽等具有明确临床转化前景且设计复杂度较高的分子类型中取得初步实验进展。相关工作覆盖TNFα、PD-L1、MDM2等十余个机制各异的靶点，验证了该方法在不同靶标体系和分子构型中的通用性与适应性。

实验数据显示：针对TNFα靶点设计并合成的14个纳米抗体中，7个表现出明确结合活性，其中最优分子的结合亲和力达51皮摩尔；在PD-L1靶点上，30个AI设计的纳米抗体候选物中，26个获得阳性实验结果。在MDM2项目中，21个AI生成的环肽中有16个检测到可重复结合信号，最佳解离常数为13.7微摩尔；PD-L1环肽项目中，19个候选分子亦有6个呈现有效结合。尽管上述成果尚需后续功能验证与成药性评估，但已证实该方法可跨越纳米抗体与环肽两类结构差异显著的分子模态，直接输出具备实验可行性的序列方案。

支撑这一研发范式的核心平台，是分子之心自主研发的AI原生生物经济操作系统MoleculeOS，简称MOS。该系统并非对现有开源模型的简单集成，而是深度整合自研蛋白质基础模型、高精度结构预测引擎及多维分子设计算法，构建起涵盖任务建模、候选生成、综合评估与实验反馈的全链条闭环工作流。

MOS的技术根基之一，是分子之心自主研发的多模态蛋白质基础模型NewOrigin，亦称达尔文。该模型专为蛋白质设计任务构建，融合多模态生成能力、多层次训练数据与多维度性能评估体系，可同步完成新蛋白质序列的设计、三维结构预测及多属性协同优化。

许锦波指出，随着AI深度融入研发流程，立项决策的关键逻辑正发生根本转变——核心问题不再局限于“能否筛出一个有活性的分子”，而转向“能否界定一个可计算、可验证、可执行的设计空间”。亲和力、选择性、表达水平、热稳定性及作用机制等关键属性，均可在项目初期就嵌入设计目标，并参与全程优化。研发团队亦可借助数十个甚至更少的精准候选分子，快速验证核心科学假设，再基于实验反馈动态调整资源投入节奏与方向。