从结构预测到抗体设计, AI 工具正在改写生物学

结构决定功能。一栋大楼怎么盖，决定了它能住人还是只能当仓库。蛋白质也是如此：折叠成什么形状，就决定了它能不能催化某个化学反应、能不能识别某个病毒、能不能传递某个信号。

过去，人类只能从自然界里 “找” 蛋白质 ， 从动植物体内提取，或者用随机突变碰运气。一个新药抗体从发现到上市，平均要花十年时间，烧掉十亿美元。

2026 年 7 月，上海超级计算中心完成了 AI 模型 Protenix 的大规模部署，中国科研工作者如今可以调用国家级算力预测蛋白质结构。

同一个月，旧金山一家成立仅两年的 AI 公司 Chai Discovery 完成 4 亿美元 C 轮融资，估值冲到 38 亿美元 ，它的核心产品是给分子做 CAD 设计图。

一个在中国落地基础设施，一个在美国跑通商业模式。蛋白质设计的 “工业化时代”，不是即将到来，是已经到来。

现在，AI 正在改写这个剧本。过去几年里，全球涌现出三十多个 AI 工具，它们各管一段工序，合在一起就是一座完整的 “蛋白质设计工厂”。有的负责看图纸，有的负责画图纸，有的负责选砖瓦，有的专门造抗体，有的甚至能用一句话指挥整条流水线。

接下来，我们逛一遍这座工厂，全程六站：

🏗️ 第一站：看图纸 → 结构预测

✏️ 第二站：画图纸 → 骨架生成

🧱 第三站：选砖瓦 → 序列设计

🎯 第四站：造武器 → 抗体设计

⚙️ 第五站：流水线 → 一站式平台

🚀 第六站：商业化 → 明星公司

🏗️ 第一站：看图纸 —— 结构预测

第一道工序叫结构预测。你给 AI 一条氨基酸序列，它告诉你这条序列会折叠成什么三维形状。

这件事困扰了生物学界五十年。2021 年，DeepMind 的 AlphaFold2 交出了答卷：它能以原子级精度预测蛋白质结构，精度逼近实验手段。这一成果登上《Nature》，被公认为 AI for Science 的里程碑。

AlphaFold 系列：行业的标尺

2024 年 5 月，AlphaFold3 进一步升级，不仅能预测蛋白质本身，还能预测蛋白质和 DNA、RNA、小分子药物之间的复合物结构。这意味着你可以让 AI 模拟 “药物分子如何结合到蛋白质靶点上”。不过 Google 只开源了推理代码，没有公开模型权重，科研人员无法在本地完整部署和二次训练，社区对此颇有微词。

AlphaFold 系列就像工厂里的 “标准尺子”：几乎所有 AI 蛋白质设计的论文，最后都要用它来验证设计结果对不对。

开源替代者：四路并进

既然 AlphaFold3 不开放权重，社区就自己造，而且不止造了一个。四个开源模型各有侧重：

• MIT 的 Boltz-1 学术友好、迭代快，性能与 AlphaFold3 持平，代码和权重全部开源；
• David Baker 团队的 RoseTTAFold All-Atom，与 Baker 设计生态深度绑定，提供全原子结构预测的开源方案；
• 字节跳动 Seed 团队的Protenix，是首个在严格对齐 AlphaFold3 的数据截止日、模型规模和推理预算条件下，性能达到甚至超越 AlphaFold3 的完全开源模型。它还支持推理时扩展 ，增加采样预算就能持续提升预测质量，采样越多越准。它衍生的设计工具 PXDesign，在多个靶点上的湿实验成功率达到20%-73%，是 DeepMind 自家设计工具 AlphaProteo 的 2-6 倍。2026 年 7 月，上海超级计算中心完成了 Protenix 的大规模部署，使其成为国家级算力平台上的结构预测服务。
• OpenFold 联盟的 OpenFold3，有 NVIDIA 提供加速支持，训练数据最丰富，采用商业友好的开源协议，能预测多链复合物、核酸和小分子配体。

以上几个模型的目标是 “追平甚至超越 AlphaFold3 的精度”。但精度不是唯一的追求，如果你需要的是速度，还有另一条技术路线。

更快的方案：ESMFold2 与 ESM-2

AlphaFold 虽准，但速度不快，因为需要先搜索同源序列构建多序列比对，找到相似的蛋白质亲戚来辅助推断结构。Meta 的 ESMFold2 省掉了这一步，直接从单条序列预测结构，速度快了上百倍。

ESMFold2 的背后是 ESM-2， 一个参数量高达 150 亿的蛋白质语言模型。它的工作方式很像 ChatGPT 理解文字：把氨基酸序列当成一种 “语言”，从数亿条蛋白质序列中学会了蛋白质的 “语法规则”。Meta 用它预测了超过 6 亿个蛋白质结构，构建了迄今最大的蛋白质结构图谱。

此外，国内还有 TDFold、MMFold、SeedFold 等走轻量化路线的结构预测工具，各有特定优化场景。

📌 第一站怎么选：精度标尺是 AlphaFold3，但不开源；开源首选 Protenix 和 Boltz-1，Protenix 在国内算力部署上占优；追求极致速度就选 ESMFold2。

✏️ 第二站：画图纸 —— 骨架生成

看清楚已有蛋白质的结构只是第一步。真正的突破是：能不能让 AI 画出一张全新的图纸 ， 自然界从未存在过的蛋白质？

RFdiffusion：从噪声中雕刻蛋白质

2022 年 12 月，David Baker 团队发布了 RFdiffusion。它的原理借鉴了 AI 图像生成：从一团随机噪声开始，逐步 “雕刻” 出有意义的蛋白质结构。给它一些约束条件 ， 比如 “在这个位置放一个活性位点”“整体做成对称的六聚体”，它就能生成满足要求的全新蛋白质骨架。

2025 年，团队连续推出 RFdiffusion2 和 RFdiffusion3。RFdiffusion2将精度推进到原子级，能直接根据化学反应设计酶的活性口袋，在41个活性位点测试中骨架生成成功率达100%。RFdiffusion3进一步升级为全原子模型，能为任意分子设计蛋白质结合剂，计算成本降至前代的十分之一。三代均已开源。

Chroma：可编程的蛋白质生成器

Generate:Biomedicines 公司在 2023 年发表于《Nature》的 Chroma 走了另一条路。它的特色是 “可编程约束”：你可以用高层次的指令控制生成方向，比如 “设计一个 C5 对称的五聚体”“直径不超过 5 纳米的球状蛋白”。

Chroma 的理念是 “照亮蛋白质空间”，自然进化只探索了蛋白质可能性的极小角落，而 AI 可以系统性地生成自然界从未出现过的蛋白质。基于Chroma平台优化改造的抗体药物GB-0895（治疗哮喘的长效抗TSLP抗体）已经进入III期临床试验，是首个由AI驱动改造并进入III期的抗体药物

Salad：快两个数量级的 3D 打印机

如果说 RFdiffusion 是 “雕刻家”，欧洲分子生物学实验室的 Salad 就是 “高速 3D 打印机”。它最大的亮点是极致的生成效率：在单张 RTX 3090 显卡上生成一个 1000 个氨基酸的蛋白质仅需 19 秒。作为对比，RFdiffusion 在同等条件下需要数十分钟，Salad 的速度提升了近百倍（约两个数量级）。

同时它的参数量仅约 800 万，小巧到可以在消费级显卡上跑。更重要的是，Salad 成功设计出长达 1000 个氨基酸的蛋白质，突破了此前 AI 设计约 400 个氨基酸的长度天花板 ，这意味着 AI 可以着手设计更大、更复杂的蛋白质机器。

VibeGen：设计能动的蛋白质

此前所有工具设计的是蛋白质的 “静态照片”，就像设计一座雕塑，只定格折叠完成的形状。但蛋白质在人体内是活的，它们会振动、摆动、开合，像一台机器一样运转。

MIT 的 VibeGen 开创了一个全新维度：基于蛋白质的动态轨迹来设计序列。它不只是画一栋楼的静态外观，而是设计这栋楼在受力时如何摇摆、如何变形却不倒塌。这相当于从设计 “雕塑” 进化到设计 “机器”，为设计具有特定机械功能的蛋白质打开了新大门。

APM：专门设计多链蛋白复合物

真实生物体内的很多蛋白质不是单条链，而是由多条链组装而成的复合物，比如细胞膜上的受体、细胞内的分子马达。APM 针对的就是多链蛋白质复合物的设计，如果说 RFdiffusion 擅长设计 “独栋别墅”，APM 更擅长设计 “联排别墅” 甚至 “建筑群”，能精确建模链与链之间的相互作用，代表了多链蛋白设计这个重要的技术方向。

更多特色工具

• Void-X
  中科院上海有机所研发，采用独特的 “自下而上” 策略，像一个 “原子 3D 打印机”：直接在特定结构区域逐个原子地 “打印” 出能与之最优匹配的原子团簇，为设计蛋白质相互作用界面提供了全新思路。
• CPDiffusion
  采用条件扩散模型，适合做骨架的可控设计，代码已开源。
• BindCraft
  完全不走扩散路线，直接利用 AlphaFold2 的网络做反向传播优化，给一个目标蛋白，让 AI 一步步调整候选结合剂的序列，直到预测它们能牢牢结合。2025 年发表于《Nature》，实验成功率号称 10-100%，被称为 “目前最强的开源结合剂设计工具”。

📌 第二站怎么选：通用骨架生成首选 RFdiffusion，精度最高；追求速度和长蛋白设计用 Salad；动态功能设计选 VibeGen；多链复合物设计用 APM；做结合剂设计优先试 BindCraft。

🧱 第三站：选砖瓦 —— 序列设计

骨架画好了，问题来了：该用什么氨基酸来填？

一栋楼有了结构图，还得选砖、选水泥、选钢筋。蛋白质也一样：主链骨架确定了形状，但每个位置该放哪种氨基酸，才能让它真正稳定地折叠成这个形状？

ProteinMPNN：序列设计的标配

David Baker 团队在 2022 年发表于《Science》的 ProteinMPNN 解决的就是这个核心问题：给定一个蛋白骨架，如何快速找到最匹配的氨基酸序列。它的计算效率远高于传统方法，是目前科研领域使用最广的序列设计工具。

在实际工作流中，ProteinMPNN 扮演的是 “骨架到序列” 的桥梁。标准流程是：RFdiffusion 生成骨架 → ProteinMPNN 填充序列 → AlphaFold 验证序列能否折叠回目标结构。这三件套已成为科研文献中引用最多的组合方案。

LigandMPNN：能看见配体的升级版

ProteinMPNN 有个盲区：它只看得见蛋白质自己的原子，看不见周围的配体（与蛋白质结合的小分子、DNA 等）。设计酶活性口袋时，模型不知道底物长什么样，只能盲填。

2025 年发表于《Nature Methods》的 LigandMPNN 补上了这个短板。它能同时感知小分子、DNA、RNA、金属离子的原子坐标，在配体存在的条件下设计最合适的氨基酸。团队已用它设计了超过 100 种经实验验证的结合蛋白，比传统方法快 250 倍，亲和力提升上百倍。

更多思路

• ESM-IF
  来自 Meta，与 ProteinMPNN 齐名，同样解决 “结构到序列” 的问题，常与 ESMFold 配合使用，是逆折叠领域的另一标杆。
• Caliby
  打破了 “一个结构对应一个序列” 的常规思路，能基于一整套结构的 “集合” 来设计序列 —— 好比设计一把钥匙不是只匹配一把锁，而是匹配一个锁的 “家族”，对设计能适应多种构象变化的蛋白质特别有价值。

📌 第三站怎么选：通用序列设计首选 ProteinMPNN；涉及配体、酶活性口袋设计用 LigandMPNN；和 Meta 生态搭配选 ESM-IF。

🎯 第四站：造武器 —— 抗体设计

抗体是人体免疫系统的 “精确制导武器”，也是当今最大的药物类别。设计抗体有一个特殊挑战：不仅要结合靶标，还要保证全人源 —— 也就是序列与人体自身抗体足够相似，否则会被免疫系统当作外来物排斥。

和铂医药：数据壁垒

和铂医药在 2025 年 10 月发布了全球首个全人源重链抗体（HCAb）生成与筛选模型。它的核心竞争力不在算法，而在数据：基于Harbour Mice转基因小鼠平台十余年积累的超过900万条NGS HCAb序列数据训练而成，这是全球规模最大的全人源重链抗体数据库。

HCAb 天然缺失轻链，单一结构域即为完整的功能单元，尺寸小、穿透性强。该模型已产出首款 AI 候选药物 LET003（用于肥胖症），并与百时美施贵宝、英矽智能等达成合作。

序列 + 结构一体化工具

• DualGPT-AB

  西北工业大学等团队在《Nature Computational Science》发表的抗体设计框架，采用双阶段生成优化策略，将条件生成式语言模型与强化学习相结合，在靶向HER2的抗体优化中验证了优于赫赛汀的候选抗体

• IgGM
  腾讯研发，能同时生成抗体的序列和结构，尤其擅长纳米抗体设计，代码已开源。
• AntiFold
  AntiFold 要解决的是一个实际问题：通用逆折叠模型在抗体上精度不足，因此需要专门针对抗体优化的特异版本。它在抗体 CDR 区域（决定抗体特异性的关键可变环）的序列恢复上表现优异，是抗体设计流程中非常实用的专用工具。

高效设计框架

• Germinal
  能设计出纳摩尔级别亲和力抗体的生成式框架。最惊人的特点是：每个抗原只需测试 43 到 101 个设计，就能从中获得高亲和力抗体。传统方法通常需要筛选成千上万个候选，Germinal 用极低的实验量就达到了目标，证明了其设计精度之高。
• Origin-1
  Absci 公司的平台，独特之处在于能针对 “零先验” 表位进行抗体设计，也就是靶点上没有任何已知结合剂的结构信息可用。它整合了从结构生成到序列设计的全流程，在 10 个人类蛋白质靶点上得到了实验验证。

Latent-Y：一句话指挥整条流水线

Latent Labs 的 Latent-Y，代表了抗体设计的最高自动化水平。

它能从自然语言文本提示出发，自主完成文献调研、靶点分析、候选设计、计算验证的全过程。比如你输入 “设计一个能结合新冠病毒刺突蛋白 RBD 区域的纳米抗体”，Latent-Y 会自己查文献、选靶点、生成候选结构、评估结合能、筛选最优几款 —— 全程不需要你再操心任何中间步骤。这不是一个简单的聊天机器人，而是一个能调用文献数据库、结构预测工具、结合能评估模型的多智能体系统。它就像一个不知疲倦的全能研究员，能把原本需要数周的专业工作压缩到短短几个小时。

📌 第四站怎么选：看重全人源数据积累选和铂医药；想快速出高亲和力抗体试 Germinal；追求极致自动化、一句话搞定全流程，选 Latent-Y。

⚙️ 第五站：流水线 —— 一站式平台

前面几站讲的都是 “单工序工具”，有的只管预测，有的只管生成，有的只管填序列。但大多数科研工作者和药企更需要的，是一个能从头到尾跑完整个流程的平台。

晓鹜（MatwingsVenus）定位为对话式蛋白质科研智能体，打开网页用自然语言描述需求即可完成设计，无需写代码或搭建模型。

晓鹜适合个人研究者或小团队做快速验证，相当于蛋白质设计的 “入门版”。如果需要处理工业级规模的项目，则需要下面这些全栈平台。

工业级全栈平台

• ToursynClaw

• VenusFactory
  （上海交大研发）：定位为蛋白质工程全栈平台，支持零样本突变预测和功能预测，已可一键部署在线体验。

中国版 ESM-2：VenusPLM

VenusFactory 背后，有一个更底层的基础设施 ——VenusPLM。这是上海交大基于全球规模最大的蛋白质序列数据集 VenusPod（近 150 亿条序列）训练的百亿参数蛋白质通用语言模型。

如果说 ESM-2 是 Meta 用 150 亿参数读懂了蛋白质的 “语法”，那 VenusPLM 就是用更大规模数据训练出的中国对应版本，它衍生出 Venus-REM（定向进化）和 Venus-Mine（酶挖掘）等专用模型，具备强大的零样本预测能力。

商业生态矩阵

• XtalPi（晶泰科技）
  旗下大分子药物发现部门Ailux Biologics拥有三大AI平台，结构建模平台XtalFold™、生成式蛋白质大语言模型XenProT™以及药物性质预测平台Xentient™。其路线是量子物理加AI，覆盖小分子和蛋白质，以企业服务为主。

• MoleculeOS与MMDesign（分子之心）

• MoleculeOS定位为“蛋白质操作系统”，以自研的NewOrigin多模态大模型为基座，AI理解研发意图后自动拆解任务、调度模型，完成从预测到设计再到决策的全流程；MMDesign则是分子之心的AI生物药从头设计平台，专注序列与结构的联合优化。两者一个偏流程广度（操作系统级编排），一个偏模型深度（序列-结构联合设计），且MMDesign正逐步集成至MoleculeOS中，形成统一平台。

• 书生 AMix
  由上海 AI 实验室联合清华大学、复旦大学等机构推出，用多模态大模型实现功能、序列、结构的联动设计，让 AI 从 “调用专业工具” 向 “原生理解和设计蛋白质” 升级。

如果你是学术研究者想跑完整流程但不想花钱，标准开源三件套仍然是黄金组合：RFdiffusion 生成骨架 + ProteinMPNN 填充序列 + AlphaFold 验证结构。代码公开，教程齐备，只需要一台带 GPU 的机器。

📌 第五站怎么选：纯好奇体验选晓鹜；学术研究用开源三件套；工业级全流程需求可以对接 VenusFactory、晶泰科技等商业平台。

🚀 第六站：商业化 —— 明星公司

Chai 系列：为分子造 CAD

Chai Discovery 是 2024 年在旧金山成立的公司，由前 OpenAI 员工创立，定位是 “为分子构建计算机辅助设计工具”。

首个模型 Chai-1 于 2024 年 9 月发布，能同时预测蛋白质、小分子、DNA、RNA 的三维结构及相互作用，蛋白质 - 配体预测成功率达 77%，与 AlphaFold3 同一水平，且完全开源。最新的 Chai-3 平台不仅能预测分子间相互作用，还能对相互作用进行 “重编程” 设计 —— 从 “读懂” 分子跨越到 “改写” 分子。

2026 年 7 月，公司完成 4 亿美元 C 轮融资，估值达 38 亿美元，与礼来、辉瑞、诺华等药企建立了合作。Chai 采用纯软件的轻资产模式：不自建药物管线，只做设计平台，然后和药企合作推进。这与和铂医药 “自己做药又做平台” 的模式形成了有趣的对照。

📌 第六站怎么看：AI 蛋白质设计的商业价值已经被资本市场验证，平台型公司正在成为行业核心基础设施，纯软件授权与自研管线两种模式并行发展。

从看图纸到画图纸，从填砖瓦到造抗体，从单工序到一站式，甚至用一句话指挥整条流水线，AI 蛋白质设计的工具链已经初具规模。

普通人能上手吗？

答案是：看你想上到哪一层。

• Level 1 - 纯好奇体验
  打开晓鹜网页，打字描述需求就行，不需要任何背景知识。
• Level 2 - 科研结构预测
  用 AlphaFold 在线服务器或 ESMFold 在线数据库，上传序列即可出结果；想跑复合物可以用 Protenix 或 Boltz-1。
• Level 3 - 学术全流程设计
  部署 RFdiffusion+ProteinMPNN+AlphaFold 开源三件套，需要 GPU 设备和一定的工程能力。
• Level 4 - 工业落地与新药研发
  对接晶泰科技、VenusFactory、和铂医药等商业平台，获取端到端解决方案。

这意味着，蛋白质设计正在从 “生物学家的专利” 变成 “工程师的工具”。

二十年前，一个科学家要花五年才能做出一个新蛋白；

五年前，一个团队要花一年；

现在，一个课题组加上一台 GPU 服务器，从设计到拿到候选序列，可能只需要几周。

这不是科幻，这是 2026 年正在发生的事情。

工具已经就位，接下来的问题，不再是 “AI 能不能设计蛋白质”，而是 “想用它设计什么”。

从“能不能”到“想设计什么”，问题的转变，恰恰宣告了一个新时代的到来。

当工具不再是瓶颈，想象力就成了唯一的边界。