📢 转载信息
原文链接：https://www.qbitai.com/2025/10/339061.html
原文作者：西风
AI蛋白设计领域迎来重大突破！
近日，字节跳动Seed团队的多模态生物分子结构大模型（Protenix）项目组，发布了一种名为PXDesign的可扩展蛋白设计新方法。
在实际测试中，PXDesign展现出了惊人的效率和成功率：
- 效率提升10倍：24小时内即可生成数百个高质量的候选蛋白。
- 湿实验成功率：在多个靶点上实现了高达 20%–73% 的成功率，达到业界领先水平。
这显著超越了DeepMind的AlphaProteo（在相同靶点上的成功率约为 9%-33%）。更令人振奋的是，Protenix团队还推出了公开免费的binder在线设计服务，让科研人员可以轻松调用这一强大能力。
蛋白设计：从“预测结构”到“反向设计”的飞跃
蛋白质是生命活动的基石。2024年诺贝尔化学奖授予了计算蛋白设计和蛋白结构预测领域的先驱，这突显了科学界的焦点已从“预测结构”转向“反向设计”——即根据特定功能需求，创造全新的蛋白质。
其中，设计能精确结合目标蛋白的结合蛋白（binder），是攻克癌症、感染等重大疾病的关键方向，也是当前研究的热点。
过去，蛋白设计主要依赖高通量实验筛选，效率低下且成本高昂。深度学习的突破为这一领域带来了新的机遇。字节跳动Seed团队的Protenix项目组推出的PXDesign，正是这一浪潮中的最新成果。
实验室验证显示，PXDesign在多个靶点上的实验成功率达到了 20–73%，相较于DeepMind的AlphaProteo提升了 2–6 倍，标志着该领域达到了新的高度。
这意味着，科学家们可以大大减少昂贵的高通量筛选实验，通过低通量的常规实验就能获得有效的binder。更重要的是，免费的网页服务让蛋白设计能力有望成为常规科研工具。
PXDesign的核心：“生成”与“过滤”的双重加持
PXDesign的成功在于其精妙的“生成+过滤”组合拳策略。
快速高效的生成阶段
要找到合适的binder，首先需要模型高效地生成大量候选设计。目前主流技术路线包括Hallucination（如BindCraft）和Diffusion（如RFdiffusion）。
Protenix团队构建了PXDesign-d（Diffusion）和PXDesign-h（Hallucination） 两种方案。其中，基于Diffusion的PXDesign-d在生成质量、通量和结构多样性方面表现最优，尤其在VEGF-A、H1、TNF-α等高难度靶点上，效率较以往方法提升了数百倍。
PXDesign-d的优势得益于其采用O(N²) 复杂度的DiT网络结构（优于RFdiffusion中的O(N³) 模块），使其能在更大的结构数据上训练，并显著提升生成效率。
精准稳定的过滤阶段
生成大量候选后，需要利用结构预测模型作为“筛子”，挑选出真正有潜力的分子。过滤环节关注准确性和计算效率。
Protenix团队系统评估了AlphaFold 2和自研的Protenix结构预测模型（一个对标AlphaFold 3的开源模型）。他们还开发了“加速版”的Protenix-Mini系列模型，将AlphaFold 3生成结构所需的200步扩散过程简化为2步。
评估结果显示，基于Protenix的过滤器具备三大优势：
- 更准：在绝大多数靶点的binder挑选任务中，准确性优于AlphaFold 2。
- 更快：Protenix-Mini在保持相似筛选能力的同时，效率提升数倍。
- 更稳定：结合Protenix和AlphaFold 2的评估标准，筛选结果更可靠。
从算法到应用：开放协作加速科研
为加速蛋白binder设计和评估的落地，Protenix团队发布了两款配套工具：
PXDesign Server：一站式设计平台
基于PXDesign的成果，团队开发了PXDesign Server（https://protenix-server.com/），研究人员无需搭建复杂流程，即可在线完成binder设计。
- Preview模式：快速预估，20-30分钟返回5–25个候选。
- Extended模式：深入研究，提供更多高质量、全面评估的候选，适合湿实验验证。
PXDesignBench：统一评估标准
为解决领域内评估标准不统一、方法优劣难以公平比较的问题，Protenix团队推出了PXDesignBench。
这是一个系统化的评估工具箱，整合了主流的评估指标与流程，支持单体蛋白和结合蛋白的设计评估。该工具已在GitHub开源，方便研究者复现结果并接入自有方法进行公平对比。
结语：科技巨头布局生物技术高地
字节跳动并非唯一在生物领域布局的互联网巨头。微软的BioEmu和苹果的SimpleFold也显示出科技巨头对生物技术赛道的重视。未来，生物和制药行业有望成为继芯片之后，科技巨头们争夺的新高地。
项目主页：https://protenix.github.io/pxdesign/
论文：https://protenix.github.io/pxdesign/technical_report.pdf
PXDesign Server：https://protenix-server.com
PXDesignBench：https://github.com/bytedance/PXDesignBench
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
评论区