近日，来自中国的AI 制药公司觅深知源（Molence Bio）发布其首个生物分子基础模型 Mol-1，在基础结构预测、超大复合物组装和纳米抗体从头设计等方面取得了振奋人心的成果，其中：

在 FoldBench-AB 抗体–抗原测试集上，Mol-1 的成功率达到 75.0%，与 Isomorphic Labs 开发的 IsoDDE 技术报告公布的 75.6% 相当；加入表位约束后，进一步提升至 88.3%（Mol-1 Constraint）。



在 Anthropic 此前发布的工作中，曾使用 8张 B300 GPU 来预测大型分子复合物，最大准确预测规模为大约一万个氨基酸。但当体系扩大至约 3.1 万至 7 万残基时，在这 7 个体系中，均未能准确预测整体结构。

针对这一挑战，Molence Bio 构建了一套长时运行的智能体，将生物学知识带入建模过程，组织 Mol-1 结构预测与自动化组装，并根据中间结果持续调整策略。在 10 个大型复合物的评估中，有9 个预测结果超越 Anthropic 此前报告的结果，其中 8 个复合物的 TM-score 达到 0.9 以上。

最大的成功预测体系达到6万氨基酸残基、120 条蛋白质链，TM-score 高达 0.997（最高为1），规模为 Anthropic 此前最大准确预测对象的 6 倍。更重要的是，整套工作流仅使用单张 NVIDIA H20 GPU，使得算力需求大幅降低，研究者不需要最先进的GPU即可完成相关工作。



更值得关注的是，团队仅经过一轮实验反馈，第二轮 60 个设计中有 51 个表现出功能活性，功能命中率从首轮的约 7% 大幅提升至 85%。

目前，Molence Bio 已在 GitHub 上公开 Mol-1 的源代码和基础模型权重，同时提供 Mol-1 和 Mol-1-constraint 的在线预测服务。科研人员不仅可以直接通过网页使用模型，而且可以在自己的计算环境中部署 Mol-1，构建更复杂的预测、设计和智能体工作流。

开源代码：github.com/molence/Mol-1
在线试用：lab.molence.com

编辑：大卫