新智元报道 一家成立仅 4 个月的中国公司，把全原子生物基础大模型做到了全球第一梯队。 这家公司叫 深旋科技（Atomelody） ，刚刚首次发布了自研通用生物分子基础模型 Melo-1 Preview 。 在蛋白-多肽、蛋白-小分子等复杂分子结构预测任务上，Melo-1 在多个公开 Benchmark 中刷新了核心指标；并且在除 DNA 外的多肽、小分子、抗原抗体、RNA 等多数评测指标上，已经超过 AlphaFold 3。 Melo-1 preview 版本在 Protein-peptide 和 Protein-ligand 场景上绝对领先 正如我们刚才所说，这家公司非常特殊的一点，便在于它的「年龄」。 深旋科技成立才 4 个月，落在深圳南山，主攻 AI 驱动的大分子创新药发现，团队希望把全原子生物基础模型进一步用到环肽、抗体等复杂药物设计中。 虽然 AlphaFold 已经把预测蛋白结构这件事推到了一个新的高度，但现在，一批中国创业公司开始继续往更难的地方钻。 这次深旋盯上的，是 原子尺度上的药物设计 。 啃下最硬的那块骨头 要理解 Melo-1 做了什么，得先明白它为什么从 肽 下手。 过去两年，以 GLP-1 为代表的多肽药物，几乎是一己之力把全球代谢市场重新点燃了一遍。多肽成了整个制药行业最热的赛道之一。 但从计算的角度看，肽是个非常难的东西。 它卡在小分子和大分子之间的中间尺度，柔性极高。一个小分子的构象自由度相对有限；而一段肽（尤其是环肽）在溶液里往往不存在唯一的静态构象，而是一大群构象在动态平衡里来回切换。 这件事直接卡住了现在的主流模型。 以 AlphaFold 3 为代表的全原子模型，在常规单体蛋白、普通蛋白-蛋白复合物的预测上已经相当成熟。但一旦对象换成高自由度的多肽复合物，或者结构复杂的小分子与靶点蛋白的结合，精度不足、泛化性差的问题就暴露出来了。 Melo-1 切的正是这一刀。它做的事，是对蛋白-肽复合物的三维结构及原子级相互作用做精准建模。 一个多肽能不能精准结合靶点，本质上取决于它在三维空间里的原子级相互作用：结合界面的形状互不互补、氢键搭没搭上、疏水作用够不够、还有一堆非共价相互作用。这些东西全都发生在原子尺度上，序列层面看不见。 药物分子的功能最终建立在原子尺度的三维相互作用之上。设计目标正在从生成一条合理的蛋白质序列，走向设计一个能够在靶点表面形成正确原子级相互作用的功能分子。 所以深旋科技所做的事情背后的逻辑链条很清晰了，即只有先真正搞明白「多肽是怎么和靶点结合的」，AI 才能继续去解析关键结合位点和作用机制，然后指导序列设计、结构优化、亲和力迭代。 Melo-1 的意义可以说是不在于把某个指标又往上推了几个点，而在于它为AI进入大分子药物设计铺了一层结构基础设施。上面这层地基没打好，后面所有的生成、筛选、优化都是空中楼阁。 除此之外，结构的合法性（Validity）也是 Melo-1 这次的看点之一。 现在有些模型在公开评测集上分数很漂亮，但生成的结构拿出来一看，原子和原子撞在一起，键长键角是物理上不可能存在的数值。这种结构在榜单上能拿高分，在真实世界里根本不存在。拿去做湿实验，就是白跑一趟，合成的钱、时间、人力全部打水漂——而药物研发最贵的成本，恰恰就在湿实验这一环。 Melo-1 在算法架构设计之初，就把严苛的物理与化学约束深度融合了进去，确保输出的高分结构在真实物理环境中能够稳定存在。 Melo-1 更具合法性优势 PDB ID 8v3s 上 Melo-1 展现出良好的合法性能力 高精度加上高合法性，两件事同时做到，模型才算真的能用。凭这两点，Melo-1 在早期研发阶段就能剔除大量无效试错，为湿实验提供真正有潜力的分子骨架。 另一个容易被忽略、但对长期竞争影响很大的细节是 通过极致的工程优化，Melo-1做到了在同等参数条件下性能更优。 这意味着达到同样的效果，深旋要花的训练成本更低。在一个模型迭代速度按月计算的领域里，单位算力能换来多少性能，直接决定了一家公司能跑多少轮、能试多少条路。对一家成立四个月的创业公司来说，这是能不能持续留在牌桌上的问题。 除了多肽和小分子两个主战场，Melo-1在核酸和抗体场景上也有很强的竞争力。 Melo-1 同参数条件下性能远超其他同类模型 核酸和抗体场景 Melo-1 preview 版本提升显著，模型潜力凸显 再往后，Melo-1 准备继续处理更复杂的非天然化学空间。 现有 AF3-like 模型已经可以通过 CCD、SMILES、修饰残基和共价键等方式表示不少非天然化学实体，但到了 D 型氨基酸、N-甲基化、复杂环化和侧链修饰这类场景，数据量和结构多样性都会明显下降。模型能把一个化学实体读进去，并不等于已经学会它背后的几何规律、立体化学和