在生命科学领域，寻找能与特定蛋白精准结合的活性分子，一直是推动前沿研究和应用开发的关键。传统方法如同“大海捞针”，耗时漫长且成本高昂。然而，随着人工智能（AI）技术的飞速发展，这一局面正在被彻底改变。作为行业前行者，科晶生物正利用尖端的AI算法，将功能性多肽的设计从“筛选时代”带入了高效、精准的“智造时代”。

科晶生物高亲和多肽设计技术流程

科晶生物高亲和环肽设计技术流程

新范式：从“筛选”到“从头设计”

过去，研究人员严重依赖对庞大化合物库的筛选来寻找有潜力的分子。而科晶生物采用的则是“从头设计”（de novo design）策略——即根据目标蛋白的结构特征，利用AI直接生成全新的、具有高亲和潜力的分子结构。这不仅极大地缩短了探索周期，更开启了针对一些传统方法难以处理的复杂靶点的可能性。

科晶生物的三步AI智能设计流程

科晶生物整合了多种业界前沿的AI模型和计算工具，构建了一套成熟、高效的设计与验证流程。

第一步：AI创意生成——从零到万的创造

流程始于对目标蛋白关键“活性位点”的精确分析。随后，科晶生物的工程师会启用如 RFdiffusion 和 Evobind2 等先进的生成式AI模型。这些模型能够在数小时内，针对特定位点设计出成千上万种全新的线性或环状多肽结构。相比传统方法，这是一种指数级的效率提升，为后续的筛选提供了海量的优质候选对象。

第二步：高通量虚拟筛选——沙里淘金的艺术

面对数以千计的候选分子，AI计算模拟工具展现出其强大的筛选能力。科晶生物采用如 HDock 和 Autodock Vina 等高效对接软件，在计算机中模拟每一个候选多肽与目标蛋白的相互作用过程。通过计算“结合能”（Docking Score / Affinity）等关键指标，可以快速剔除大量无效分子，筛选出几十个最具结合潜力的“精英选手”进入下一轮。通常，一个更低的结合能分值（如低于-200或-10 kcal/mol），预示着更强的结合可能性。

第三步：AlphaFold3 精准验证——终极“验货”

为了确保最终结果的可靠性，科晶生物引入了DeepMind最新的 AlphaFold3 模型进行最终的结构验证。AlphaFold3能够以接近实验的精度，预测复合物的最终三维结构。通过分析其产出的pTM+ipTM等置信度分数（分数高于0.75通常被认为是高可信度的预测），研究人员可以直观地判断AI设计的分子是否能如预期般精准地与目标结合，从而为后续的湿实验开发提供强有力的理论支持和数据指导。

智能计算的深远影响

科晶生物的AI辅助设计平台，不仅仅是技术的叠加，更是研发范式的革新。它带来了：

• 极致的效率：将原本可能长达数年的前期发现过程，缩短至数周甚至数天。
• 更高的精准度：从头设计确保了分子与靶点的特异性，显著提高了成功率。
• 无限的可能性：为过去被认为“不可成药”的靶点，提供了新的解决方案，拓展了生物技术应用的新边界。

通过深度融合AI与生物学，科晶生物正在为生命科学研究和生物技术产业提供强大的“新基建”。未来，这种智能化的分子设计能力，必将在健康、诊断、新材料等多个领域释放出巨大潜力。

参考文献：

1.Watson, J. L., et al. (2023). De novo design of protein structure and function with RFdiffusion. Nature, 620, 1089-1099.

2.Haley, O. C., Harding, S., Sen, T. Z., Woodhouse, M. R., Kim, H.-S., Andorf, C. (2024). Application of RFdiffusion to predict interspecies protein-protein interactions between fungal pathogens and cereal crops. bioRxiv, doi: 10.1101/2024.09.17.613523.

3.Li Q, Vlachos E.N., Bryant P. Design of linear and cyclic peptide binders of different lengths from protein sequence information. bioRxiv. 2024. p. 2024.06.20.599739. doi:10.1101/2024.06.20.599739.