据量子位报道，AI制药公司分子之心近日发布其AI蛋白质从头设计平台MMDesign的最新技术报告：覆盖18个不同靶点、纳米抗体（VHH）与大环肽两类分子模态的19个设计项目中，18个拿到了可结合分子，项目成功率达94.7%。
另一组数字同样关键：全部453个受测候选分子中，139个经湿实验确认结合，整体候选命中率30.7%。两个口径衡量的是不同事情——94.7%回答“一个项目能否找到至少一个结合分子”，30.7%回答“送进实验室的分子有多少真正命中”。在从头设计领域，两组数字目前都处于第一梯队水平。
效率来自工作流的压缩。MMDesign把设计过程固定为“生成-筛选-验证”三段：先在计算空间生成数万个候选，再经结构可靠性、序列天然性和基于统计物理的多层评估，把单一项目的候选集合压缩到9至50个、中位数仅21个——进入湿实验的分子少了，单个项目的验证成本随之下降。
这条路径的另一层价值在于“无先例”：设计过程不依赖任何已知结合分子做参考改造，直接从功能需求出发生成分子序列。面对没有先例可循的靶点，这条管线依然能给出答案——这正是从头设计区别于“改造已知分子”的本质。量子位报道还提到，其在高难度抗体设计上的精度达到AlphaFold 3的两倍。
半年内三次迭代的MMDesign，正在把“高效命中”从单点突破变成可重复的能力。对行业而言，比单篇报告数字更有分量的是其信号：AI蛋白质设计已从论文里的概念验证，进入跨靶点、跨模态的系统性验证阶段。