DESIGN MODES
三种设计模式
从 binder 到 de novo 酶，再到多模态统一设计——覆盖蛋白质设计的完整光谱
Binder 设计
BoltzGen (all-atom diffusion) + PXDesign (backbone + MPNN)
蛋白质-蛋白质界面结合，高亲和力 binder 从头设计
MIT / Apache 2.0 开源
De Novo 酶设计
AlphaProtein Novo (super-all-atom 37-slot diffusion)
催化位点支架 + 共价中间体建模，酶活性口袋精准生成
DeepMind 2026 发布
多模态设计
AnewOmni (all-atom latent diffusion)
小分子 + 肽段 + 抗体统一设计，单引擎多任务
MIT 开源
EVALUATION
统一评估引擎
四维评分 + 多引擎对比——同一靶点跨引擎排名，数据不出境
pDockQ
dockQ 代理指标，评估 binder-靶点复合物对接质量
pLDDT
预测置信度，局部结构正确性
ipTM
界面预测 TM-score，蛋白-蛋白相互作用可信度
PPI Score
综合 PPI 评分，结合界面热力学评估
MULTI-ENGINE
同一靶点跑 BoltzGen vs PXDesign vs AP Novo → 统一排名，让数据说话而非让引擎说话
DATA SOVEREIGNTY
Protenix V2 本地评估，数据不出境——满足合规与知识产权双重要求
TECH STACK
技术栈矩阵
六大开源模型 fork + 三层架构——从基础设施到项目交付的完整栈
| 模型 | 许可 | 功能 |
|---|---|---|
| Protenix V2 | Apache 2.0 | 结构预测 + 训练栈 |
| PXDesign | Apache 2.0 | binder 设计 |
| BoltzGen | MIT | all-atom diffusion |
| AP Novo | Apache 2.0 | de novo 酶设计 |
| AnewOmni | MIT | 小分子/肽段/抗体 |
| BioNeMo SPP | Apache 2.0 | 高通量管线 |
三层架构
Layer 1 · 项目
任务驱动的工作空间——按项目组织设计与评估产物
Layer 2 · 管线
复用层——DiVoProtein 管线模板与功能模块
Layer 3 · 基础设施
环境 + 模型 + 源码——divo-gp-tools 基础设施
HONEST STATEMENT
我们不只做计算设计，我们还做靶点验证
靶点选择是最高杠杆决策——选错靶点，再好的设计也是零
计算指标是代理指标，不是治疗效果指标——pLDDT 高不等于药有效
湿实验验证不可替代——计算筛选候选，实验定生死
我们交付的是经过验证的候选分子，不是一串漂亮数字