AI生物科研外包怎么选？不妨看看科晶生物怎么做

选 AI 科研外包服务，最容易踩的坑是拿到手的交付物只有一张结构图，看不出方法、参数和判读标准。数据要经得起推敲，能直接写进文章，这是行业底线；方法好不好，要看流程、参数和结果。科晶生物在AI生命分子设计和分子模拟领域有成熟的技术流程，合作案例也不少。下面按五条技术线把实际做法写出来，读者可以照这套标准去比较任何一家同类服务商。

一、生成式互作蛋白筛选

这个问题反着问：谁可能和你的靶蛋白互作？做法是先用 BindCraft 设计短肽结合剂当探针，再用 Foldseek 拿结合界面去比对人类全基因组蛋白结构库，按 TM-score 和结构覆盖度筛出结构匹配的蛋白，HDOCK 批量初筛，AlphaFold3 精细验证。靶蛋白先做预处理：去水、去杂原子、修复缺失侧链。我的看法是，这一步预处理做得干不干净，直接决定后面对接结果可不可信，交付报告里应该写明做了没有。

客户阳性反馈

二、多肽从头设计

走 RFdiffusion 这条线。先和客户讨论圈定活性位点，再生成 1000 个 binder。长度刻意卡在 8-15 aa：过长难找到相似结构，过短假阳性高。精筛阶段 HDOCK 的 Spacing 和 Angle 调到 1.2 和 15，top30 交给 AlphaFold3 复验，pTM 加 ipTM 大于 0.75 才判定对接效果可靠。能把长度区间和阈值写进方案的服务商，说明确实跑通过这条线。

客户阳性反馈

三、纳米抗体设计

这条线用 IgGM 生成模型。先根据靶蛋白圈定结合位点，IgGM 生成 500 个纳米抗体，HDOCK 全量对接，top30 再用 AlphaFold3 一对一复验。判读标准写在报告里：HDOCK 对接分值 -200 对应置信度 0.7，大于 0.7 认为两个蛋白结合可能性大。有一个项目的 500 个候选全部过了这条线，结合位点区域有大量氢键，构象稳定。

客户阳性反馈

四、小分子化合物虚拟筛选

化合物库先做预处理：2D 转 3D、加氢、Gasteiger 电荷、MMFF94 能量最小化，再用 OpenBabel 转 pdbqt。靶蛋白结构用 AlphaFold3 构建。然后是三轮 Vina：高通量初筛取 Max Affinity 前 5%，二轮虚拟筛选再取前 5%，三轮精细化收口，对接精度 Exhaustiveness 设到 128。判读用四级标准：-10 kcal/mol 以下很好，-7 到 -10 良好，-5 到 -7 中等，-5 以上弱。一个项目最终留下 85 个化合物，评分全部落在 -7 到 -10 的良好区间。

客户阳性反馈

五、蛋白-小分子 MD 模拟

分子动力学模拟之前，蛋白-小分子复合物构象先用 Chai-1 预测，按 ipTM 和 pLDDT 选最优。模拟在 Gromacs 里做：Amber99SB 力场，TIP3P 水模型，PME 处理长程静电，300 K、NPT 系综，跑满 100 ns。分析给到 RMSD、RMSF、Rg、SASA、DSSP、自由能景观、接触频率、氢键、MM-GBSA 能量分解、残基能量分解、DCCM、轨迹构象演变，共 12 项。100 ns 跑满、12 项分析齐全，这两条可以直接写进合同交付清单。

六、拿这套标准去比较其他服务商

五类任务其实是同一条链：先定结构问题，再压缩候选，最后用指标收口。比较服务商的时候，建议问四个问题：

• 工具链是否写明，用的是哪个工具、什么版本；
• 关键参数和阈值是否给出，比如 pTM、ipTM、对接分值、能量区间；
• 交付物里有没有判读标准，结果落在哪个区间算可靠；
• 中间环节失败怎么处理，会不会重跑、要不要加钱。

四个问题都答不上来的服务商，报价再低也要慎重。

手上已经有靶蛋白或者化合物库的，建议先从最卡的那一环切入，先做一环的判读，不用等整条线都想清楚。要准备的材料也不复杂：靶蛋白序列或 PDB 结构、化合物库文件、想解决的问题。一环做通，后面的合作范围自然就清楚了。想先试试的，可以把材料发给科晶生物做一轮预判读，再决定合作范围。