刚成立仅满4个月的中国公司 竟能得把全原子生物基础大模型做到全球第一梯队 这听罢像天方夜谭 但深旋科技刚刚用Melo -1证实了此事。

Melo-1首次亮相

深旋科技最近发布的自研通用生物分子基础模型是Melo-1, 这并非该公司设立后首次向外公布核心技术成果。

在蛋白—多肽、蛋白—小分子等复杂分子结构预测任务上, 刷新核心指标的Melo-1已经完成了多个公开评测, 证明它绝不对空泛。

为什么肽这么难

从计算层面而言, 肽乃一块极度难以啃噬的骨, 非指环肽这一品类构造, 在溶液之中每每并无唯一的静态构象。

它们会在一大群构象之间来回切换, 处于稳定却又时刻变动的平衡点状态, 这使得传统的结构预测方法很难精准地给出对应的结果。

AF3的局限与突破

以AlphaFold 3为代表的全原子模型, 在常规单体蛋白和普通蛋白-蛋白复合物的预测过程上, 已达到相当成熟的状况。

但一旦研究对象换成高自由度的多肽复合物, 或者结构复杂的小分子和靶点蛋白的结合态, 精度不足以及泛化性差的问题就完全暴露而出了。

深浅旋人员做的之事, 是对三维结构及原子级相互作用实施精准建模针对所有蛋白-肽复合物。

一条多肽是否能精准结合靶点, 核心取决于它在三维空间内的原子级相互作用适配: 是否互补了结合界面的形状、是否搭好氢键、是否有足够强的疏水作用, 以及一众非共价相互作用的协同。

物理约束是底线

高精度加上高合法性，才是模型真正能用的标准。

当下有一些模型在公开评测集上面的分数格外耀眼, 但是生成的结构摆出来让人看, 原子哦与原子撞结同一处, 键长的数值和键角的数值为在物理领域上不可能存在的数呀。

Melo-1研发在算法架构敲定的初始节点, 就把严苛的物理及化学束缚深刻渗透了进来, 确保输出的高分构建结果在真实化学环境当中能够坚固维系了。

早期研发阶段中能被剔除大量无效试错对模型作出保证的这两点, 要给湿实验提供具备真正潜力可用的分子骨架。

算力效率决定上限

一个很容易长时间竞争层面里容易极大被忽略、很大影响但是的细节, 是在同等参数条件下通过工程的极致优化来实现的, Melo-达成了其更优这样的对应的相关的性能。

在一个迭代速度按月完成计算的模型的领域里, 单位算力可以换来多少的性能, 直接决定了一家公司能跑多少的轮数、能进行多少条路的尝试。

关于核酸与抗体, 除着多肽还有小分子两个主战场, Melo-1也有很强的竞争力, 应用范围比单一模型更宽当然也有着如此意味。

挑战非天然化学空间

再往后, Melo一准备继续处理更不简单的非天然化学空间, 这是此刻全部主流模型最柔弱的环节。

现有AF3样模型已可倚靠CCD、修饰残基与共价键等等形式指代不少非天然化学实体, 但到了D型氨基酸、N-甲基化、复杂环化和侧链修饰这类场景下, 数据总量与结构多样性都会出现显著变少情况。

模型能读进去的不过是一个化学实体罢了, 并不等于已经熟练掌握了它背后的几何领域、立体化学还有构象偏好。

湿实验验证是硬道理

当今最具挑战的药物靶点之一, G蛋白偶联受体也是公认最重要的当前药物靶点家族之一。

它复杂跨膜结构、构象高度动态变化、配体多样结合模式, 对结构理解和分子设计提出要求极高了都。

深旋能在该类家族标的上啃下十余靶点并取得湿实验验证, 确属实打实产业战绩而非纸面推演。

闭环平台才是未来

Melo-1从降生第一天起就不单单是什么计算科学模型, 是一位彻彻底底懂药品研发的实战型引擎。

要实现真正的大分子药物设计, 需要生成、结构预测、性质评估、再实验验证一再生成这样一个能转起来的闭环。

深旋要建的是从理解构建生成、评估修正一直到回馈反馈自进化迭代的全链路闭环式自研开发专属平台, 当下此刻的AI所正在所所落地的是重构研发药物的全流程体系链, 而彻底不是单纯替代取代掉它。

选择最难的路

还有一个绕不开需要正视的现实是, AF3的模型权重长久至今只可对非商业组织开放被处理。

这意味着想用上一个AF3级别的全原子模型的中国创新药企, 如果要是在真实的商业研发场景里, 靠申请确实是拿不到的。

深旋选了最难的那条路, 且不是在简单复现, 而是在极难的那几个场景之上做出超过现有主流模型的成绩。

仅成立四月, 直接扎进技术与商业的重合区, 这需胆量也需实力。

从深旋科技的表述看, 这次预发布版本单是Melo模型的首步, 正式版本就在近期面向大众开放使用。

你觉得这种路径从底层重新建模的思路, 能否颠覆真正传统药物研发的? 快些在评论区聊聊你的看法看吧, 真的就快来在评论区聊聊你的看法。