AlphaProteo:Google DeepMind、Francis Crick Institute
闭源 de novo 蛋白 binder 设计系统,自报七个靶点成功、第八个失败。
蛋白 · 大厂实验室 · 英国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | AlphaProteo;有歧义、不自动链接:AlphaFold |
| 家族 | 否(只有一个技术报告版本,无家族成员) |
| 机构 | Google DeepMind、Francis Crick Institute |
| 机构类型 / 国家 | 大厂实验室 / 英国 |
| 模型类别 | 设计(de novo binder) |
| 领域 | 蛋白(次领域:分子生成) |
| 首次发布 | †(未核实)(依据:开发机构发布博客(技术报告 arXiv 2024-09-12 另列)) 博客日期取自既有记录与检索结果,本轮未直接抓取该页 |
| 其他里程碑 | 最早公开证据 †(未核实)(开发机构发布博客(技术报告 arXiv 2024-09-12 另列));预印本 v1 †(未核实)(技术报告 arXiv v1(日期沿用既有记录));官方公告 †(未核实)(开发机构发布博客(技术报告 arXiv 2024-09-12 另列)) |
| 最近更新 | †(未核实);未检出发布后更新(截至 2026-11-16):未检出发布后更新(截至 2026-11-16);技术报告 arXiv v1(2024-09-12)是否计为更新属口径问题,未核实。(按口径不得表述为「此后没有更新」)。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:不开放;权重:不开放;闭源,无代码与权重;2026-04 仍无公开计划(二手) |
| 状态 | 仅维护:闭源;只有 2024-09 的发布事件有出处 |
| 报过的 benchmark | 0 项计入 |
| 湿实验验证 | 3 条记录 |
| 全站实体页 | 无(全站无对应页面) |
| 截至 | 2026-11-16 |
做什么
给定靶蛋白结构、可选热点残基,生成并筛选候选 binder 序列,面向「一次设计、少量湿实验」。它是最早公开湿实验数据的大厂设计模型之一,Latent-X/X2、BoltzGen、BindCraft 都把它当对照,但它闭源,外部无法复现。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入。
在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。
其他评测(不在 44 项内)
- 七靶点 binder 湿实验战役(湿实验验证,自报):一轮中通量筛选,自报亲和力与成功率优于此前方法;VEGF-A 成功、TNFα 失败
- 成功率对比(仅与基线对比,自报):逐靶点成功率与当时最好方法对比;BHRF1 的数值在来源内部不一致,未核实
- 后续功能实验(案例研究,合作方):发布博客描述 VEGF-A 与 SARS-CoV-2 RBD binder 在合作实验室的检测
开发方称:对含难靶 VEGF-A 的七个靶点,一轮筛选即得到亲和力好 3–300 倍、成功率更高的 binder,无需迭代优化(自报)。
独立证据:未检出独立证据(闭源,外部无法代跑;后来的竞品只引用其数字作比较)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | PDB 与结构预测模型的蒸馏数据;只披露来源库,未给数据量、截止日与筛选规则 | 出处 |
| b 私有 / 授权 | 未披露 | 报告未提及私有或授权数据 | 出处 |
| c 自产 wet lab 训练数据 | 未披露 | 未披露是否有自产实验数据进入训练 | 出处 |
| d 仅用于验证的 wet lab | 是 | 有:开发方 wet lab 对八个靶点做结合测试,合作机构另做功能实验 | 出处 |
湿实验验证
每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。
| 实验 | 靶点数 | 受测设计 | 命中 | 成功率 | 最佳亲和力 | 分母口径 | 版本 | 来源类型 | 日期 | 核实 | 执行方 | 说明 | 出处 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 八靶点 binder 战役(自报) | 8 | — | 7 | 7/8 靶点拿到 binder(TNFα 是失败的第八个靶点) | binders on 7 of 8 targets (TNFa is the failed eighth target) | 开发方称亲和力比此前方法好 3–300 倍(自报) | developers report 3- to 300-fold better affinities than prior methods (self-reported) | 共尝试八个靶点(BHRF1、SARS-CoV-2 RBD、IL-7Ra、PD-L1、TrkA、IL-17A、VEGF-A 与 TNFα),一轮中通量筛选 | 博客 + 技术报告 / blog plus technical report | 自报 | †(未核实) | 已核实 | — | 开发方自报,无独立复现;TNFα 必须写成失败的第八个靶点,不得并入七项成功 | 出处 |
| BHRF1 逐靶点结合率(未核实) | 不给数字 | — | — | — | — | 开发方同一来源的正文与图注给出不同的逐靶点结合率,故不给数字(未核实) | 博客 / blog | 自报 | †(未核实) | 部分核实† | — | 以正文口径为准,但来源内部不一致,本记录按 partial 处理、不引数值 | 出处 |
| 合作实验室功能实验 | — | — | — | — | — | 定性结果,未给计数:部分 RBD binder 在细胞中阻断感染 | 博客 / blog | 合作实验室 | †(未核实) | 已核实 | — | 合作实验室执行,不是独立复现 | 出处 |
背景
- 机构:Google DeepMind 是 Alphabet 的 AI 研究部门(2023 年由两个团队合并),总部伦敦,资金来自内部,不对外融资;蛋白设计团队此前做出结构预测系列。湿实验有一家英国研究所参与。
- 融资:Alphabet 内部资金,无对外融资轮次
- 产品与合作:未对外商业化;开发机构称同时与一家姐妹药物设计公司探索应用。
- 相关模型:AlphaFold 3、AlphaMissense、Latent-X/X2、BindCraft
怎么看
- 八个靶点由开发方自选,数字是靶点内的命中率,不能和公开赛的命中率直接比。
- TNFα 失败说明它不是通用解,七项成功必须连同第八个失败一起读。
- 闭源意味着第三方无法复测,所有数字停留在自报层面。
- 训练数据只披露来源库、不给量级与截止日期,无法核对与评测靶点的重叠。
局限与注意
- 零配对:不在任何站内 benchmark 上报分。
- 无 Adaptyv 竞赛 / BenchBB 参赛或提交记录,模型闭源、外部无法代跑。
- BHRF1 的逐靶点结合率在同一来源内部不一致,已按未核实处理。
- 训练数据只到来源库层面,不应写成「仅公开库」。
来源
- AlphaProteo 技术报告(arXiv 2409.08022)(预印本),†(未核实)
- 开发机构发布博客(公司博客),†(未核实)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。