2026世界人工智能（885728）大会(WAIC)期间，AI生物科技企业分子之心公布其AI生物药设计平台MMDesign在环肽从头设计上的最新结果：针对p53-MDM2、PD-L1等蛋白—蛋白相互作用(PPI)靶点，平台设计的多条候选环肽获得湿实验验证。
一个月前，分子之心刚刚公布MMDesign在纳米抗体从头设计上的进展，短期内两度验证AI底层设计力。
PPI靶点与肿瘤、免疫等疾病研发密切相关，但由于蛋白结合界面通常较大且复杂，传统小分子药物开发难度较高。环肽因具有较小的分子尺寸和对复杂靶点的识别潜力，近年来成为创新药（886015）研发的重要方向之一。不过，环肽的序列、环化方式和三维构象相互影响，传统研发通常依赖大规模肽库筛选，早期试错成本较高。
分子之心此次公布的数据显示，在p53-MDM2靶点上，MMDesign首轮设计并进入测试的21条候选环肽中，有16条获得实验命中，命中率超过70%；其中，最优候选分子的结合亲和力(KD)达到13.7微摩尔，优于同期实验阳性对照。在PD-L1靶点上，AI首轮设计的19条候选环肽中，有6条经表面等离子体共振(SPR)实验确认可与靶点结合，最佳KD接近40微摩尔。参照全球公开报道的AI多肽从头设计结果，这组在两个经典PPI靶点上取得的首轮命中率与结合活性数据，处于全球同类工作的领先水平。
这一结果证明，AI能够在进入湿实验前显著压缩候选空间，使研发团队将有限的实验资源优先投入更具结合潜力的分子。对于环肽及其他候选空间庞大、筛选成本较高的分子模态，这种“生成—筛选—验证”的研发路径，有望降低早期发现阶段的时间与资源投入，也为PPI等复杂靶点的药物发现提供了新的技术路径。
分子之心创始人许锦波表示，AI生物药研发的关键不在于单次生成或预测结果，而在于建立“生成—计算—实验—迭代”的闭环，通过真实实验数据持续校准模型对结构、相互作用和功能的理解。AI4S已经从单点模型和单项任务的竞争，迈向系统性科学发现能力的竞争。
据悉，目前MMDesign相关能力已集成至分子之心自主研发的AI大分子设计操作系统MoleculdOS并计划逐步面向药企、高校、科研院所和创新团队开放合作。
