動脈網(wǎng)第一時間獲悉，近日，微元合成（MicroCyto）宣布完成3億元 A+輪融資，河南投資集團匯融基金和譚瑞清先生參與本輪融資。此前，河南投資集團已經(jīng)完成AI基礎(chǔ)設(shè)施產(chǎn)業(yè)的深度布局，從投資芯片到控股超大規(guī)模算力，再到全面整合HALO資產(chǎn)（Heavy Assets, Low Obsolescence），為AI在各場景應用的落地提供充足的電力+算力支持。譚瑞清先生為復旦大學校董、校友會副會長，復旦大學化學系校友會會長，化工行業(yè)A股知名上市公司龍佰集團聯(lián)合創(chuàng)始人、前任副董事長，河南銀泰投資有限公司、河南銀科國際化工有限公司董事長，深耕化工行業(yè)三十余年，系該領(lǐng)域知名化工專家、企業(yè)家及投資家。本輪融資將助力微元合成持續(xù)拓寬 AI 生物計算的應用邊界，加大核心技術(shù)研發(fā)投入與場景化落地，進一步強化公司在 AI 賦能生物制造領(lǐng)域的技術(shù)領(lǐng)先優(yōu)勢與行業(yè)領(lǐng)導地位。

2026年1月，微元合成聯(lián)合斯坦福大學、普林斯頓大學、北京大學、字節(jié)跳動、NVIDIA等全球知名科研機構(gòu)，在人工智能頂級學術(shù)會議ICLR 2026上發(fā)表了最新成果PoseX，并受邀將在ICLR2026就PoseX做專題學術(shù)報告，這是一個面向全球科學家的開放式協(xié)作平臺，旨在解決真實場景下的分子對接難題，對不同對接算法和模型給出最公平和最真實的能力評估，為生物制造、生物基材料及工業(yè)酶設(shè)計提供最堅實的數(shù)字化底座。

01

引言：從經(jīng)驗走向理性，生物制造的“數(shù)字基石”

在生命科學進入“按需設(shè)計”的合成生物學時代，如何精準地預測一個分子（配體）與蛋白質(zhì)（受體）的結(jié)合模式，就像是在微觀世界里尋找一把開啟生命工廠大門的“鑰匙”。這一過程被稱為“分子對接”（Protein-Ligand Docking）。

過去，這項工作主要依靠科學家的經(jīng)驗或計算成本高昂的物理計算模擬。然而，生命系統(tǒng)的復雜性往往超出預期：蛋白質(zhì)不是靜止的鎖，而是不斷變換形狀的“果凍”。如何在蛋白質(zhì)結(jié)構(gòu)動態(tài)變化的情況下，依然精準地預測分子和蛋白的結(jié)合模式？ 這是生物醫(yī)藥研發(fā)和工業(yè)酶工程中公認的“深水區(qū)”挑戰(zhàn)。

PoseX 的發(fā)布將加速突破傳統(tǒng)分子對接方法在動態(tài)蛋白場景下的局限，以 AI 驅(qū)動的精準預測能力攻克這一長期困擾行業(yè)的核心難題，讓按需設(shè)計分子與蛋白結(jié)合成為現(xiàn)實，為合成生物學、新藥研發(fā)與酶工程帶來底層技術(shù)革新。

02

行業(yè)痛點：為什么“實戰(zhàn)”對接這么難？

在分子對接領(lǐng)域，存在兩種場景：

1. Self-docking：把共晶結(jié)構(gòu)中的配體拿出來，再塞回它原本那個完美適配的口袋。這就像拿著拼圖最后一塊去填空，只要形狀對了一切都好說；

2. Cross-docking：手里只有蛋白和配體A共結(jié)晶時的構(gòu)象，要把配體B塞進去；側(cè)鏈要轉(zhuǎn)動，骨架要呼吸，口袋形狀可能完全重塑——這才是酶設(shè)計和藥物研發(fā)的真實戰(zhàn)場；

長期以來，工業(yè)界缺乏一個統(tǒng)一的、高質(zhì)量的基準來評估各類算法在“跨構(gòu)象”場景下的表現(xiàn)。許多在實驗環(huán)境下表現(xiàn)優(yōu)異的算法，一到真實場景就紛紛折戟。PoseX 的出現(xiàn)，正是為了定義“實戰(zhàn)標準”，研究中不僅構(gòu)建了專門針對Cross-Docking的高難度數(shù)據(jù)集，還一口氣對24種主流方法（從老牌Glide、Autodock Vina到當紅炸子雞AlphaFold3，Boltz，Chai）進行了殘酷的"大逃殺"。

為什么Cross-Docking如此困難？原文Figure S12給出了一個生動案例：當配體YI8從其共晶結(jié)構(gòu)8V6Y轉(zhuǎn)移到蛋白8V71時，發(fā)生嚴重的空間沖突——配體原本完美適配的位置，在新蛋白構(gòu)象中被側(cè)鏈"堵死"了。所有物理方法在此case上全軍覆沒（RMSD ≥ 2?），而SurfDock和AlphaFold3成功預測了正確pose。

03

深度解析：PoseX 平臺的技術(shù)突破

作為微元合成布局“AI+合成生物”的重要一步，PoseX 平臺展示了極其專業(yè)的深度與廣度：

■1、填補空白：全球首個大規(guī)模cross-docking benchmark

PoseX 分別構(gòu)建了一個包含718 個樣本點的self-docking數(shù)據(jù)集和1312 個樣本點的cross-docking數(shù)據(jù)集。這是目前全球最貼近真實研發(fā)場景、數(shù)據(jù)質(zhì)量最高的開源對接評測平臺，解決了以往基準數(shù)據(jù)單一、泛化性差、偏離實際應用場景的問題。

■ 2、算法全覆蓋：AI 與物理方法的“巔峰對決”

我們在 PoseX 平臺上集成了 24 種代表性算法，涵蓋了三大流派：

● 物理方法： 如行業(yè)標桿 Schr?dinger Glide，MOE，Discovery Studio等；

● AI 對接方法：如基于深度學習的 DiffDock，SurfDock 等；

● AI 共折疊方法：如震驚業(yè)界的 AlphaFold3和RoseTTAFold-All-Atom，Boltz，Chai等。

■ 3、核心發(fā)現(xiàn)：AI 算法首次全面超越傳統(tǒng)物理方法

在 PoseX 的嚴苛測試下，我們得出了具有里程碑意義的結(jié)論：頂尖的 AI 對接方法（如 SurfDock）和共折疊方法（如 AlphaFold3），在處理最具挑戰(zhàn)性的跨構(gòu)象對接任務時，其準確率和穩(wěn)健性已全面超越了統(tǒng)治行業(yè)數(shù)十年的物理模型。這一發(fā)現(xiàn)為工業(yè)界全面轉(zhuǎn)向“AI 原生”的研發(fā)流程提供了強有力的理論依據(jù)。

3.1 總體排名：誰是Cross-Docking之王？

self-docking評測結(jié)果與cross-docking評測結(jié)果

三個關(guān)鍵結(jié)果：

● AI全面領(lǐng)先：Top 9方法中，5個是AI Docking，4個是AI Co-folding；

● SurfDock一騎絕塵：比第二名Uni-Mol高出近8個百分點，且運行速度極快（10.8秒/樣本）；

● 物理方法明顯落后：最好的GNINA也只有54%左右，與AI頂尖方法差距約20個百分點。

3.2 深度挖掘：AI是真懂結(jié)合，還是在"背題"？

為了進一步分析AI模型的泛化能力，研究中還分析了評測數(shù)據(jù)與訓練數(shù)據(jù)之間的口袋相似性對于各個模型的影響。無論口袋怎樣，基于物理的方法總能保持著比較穩(wěn)定的預測結(jié)果（這是物理方法的獨特優(yōu)勢）。而大部分 AI 的方法，如：DiffDock、AlphaFold3 等在全新口袋上表現(xiàn)斷崖式下跌。值得注意的是 SurfDock 在AI方法中展現(xiàn)出最好的泛化性，即使是在未知口袋場景中，預測結(jié)果也要優(yōu)于基于物理的對接方法。

PoseX-SD上按照pocket相似度排序的評測結(jié)果

PoseX-CD上按照pocket相似度排序的評測結(jié)

3.3 Pocket信息的作用

研究中發(fā)現(xiàn)顯式建模結(jié)合口袋能顯著提升對接性能。當前的AI Co-folding方法（如：AlphaFold 3、Chai-1 等）是盲對接，不需要指定口袋。在指定口袋信息的場景下SurfDock 以77.0%的最高成功率勝出，其次是 UMD V2，這些方法受益于口袋信息來處理跨構(gòu)象變化，其性能優(yōu)于基于物理的方法。而在盲對接賽道中，AlphaFold3 以68.8%的成功率領(lǐng)先其他模型。

指定口袋/不指定口袋信息在PoseX-CD的對接評測結(jié)果

指定口袋/不指定口袋信息在PoseX-CD的對接評測結(jié)果

3.4 Relaxation帶來的增益

在蛋白-配體對接領(lǐng)域，AI方法雖然速度驚人、RMSD表現(xiàn)突出，但有時生成的結(jié)合姿勢會存在分子內(nèi)/分子間碰撞（clashes）等問題。針對這一領(lǐng)域痛點，PoseX 研究中提出了一套高質(zhì)量Relaxation（能量最小化）后處理模塊，基于OpenMM實現(xiàn)全自動化能量優(yōu)化與短時分子動力學模擬，智能修復蛋白與小分子的結(jié)構(gòu)細節(jié)。在結(jié)合Relaxation后，SurfDock在PoseX自對接（PoseX-SD）數(shù)據(jù)集上成功率達到78.0%，在更具挑戰(zhàn)的交叉對接（PoseX-CD）數(shù)據(jù)集上達到77.0%，雙雙創(chuàng)下基準SOTA。通過Relaxation，對接結(jié)果的物理有效性顯著改善，AI預測結(jié)果從“看起來像”真正變成“物理上站得住腳”。

04

應用前景：加速生物基產(chǎn)品的“從 0 到 1”

PoseX 平臺的發(fā)布，不僅為全球蛋白-配體對接領(lǐng)域樹立了新的標準化評測標桿，而且正迅速轉(zhuǎn)化為微元合成在合成生物學工業(yè)化的核心競爭力。

■ 高效酶進化與“超級催化劑”設(shè)計

在酶工程領(lǐng)域，準確捕捉酶與底物在不同構(gòu)象下的動態(tài)交互是核心瓶頸。PoseX篩選出的高精度AI算法，能精準模擬蛋白構(gòu)象變化（Cross-Docking場景），幫助我們快速設(shè)計出耐高溫、高轉(zhuǎn)化率、高選擇性的“超級酶”。原本需要數(shù)輪濕實驗迭代的定向進化過程，如今在數(shù)字空間內(nèi)即可完成高效篩選與優(yōu)化，極大縮短了從實驗室到工業(yè)發(fā)酵罐的轉(zhuǎn)化周期。

■ 代謝路徑優(yōu)化與高價值生物基產(chǎn)品開發(fā)

針對各類高附加值產(chǎn)品的生產(chǎn)，PoseX可精準定位最優(yōu)代謝網(wǎng)絡(luò)中的關(guān)鍵酶-底物或酶-中間體節(jié)點，結(jié)合pocket信息指導和Relaxation姿態(tài)精煉，實現(xiàn)代謝重構(gòu)與瓶頸解除。無論是上游路徑設(shè)計還是下游產(chǎn)物純化，PoseX都讓“分子級優(yōu)化”與“工業(yè)級放大”無縫銜接，推動產(chǎn)量、純度和成本指標的突破性提升，讓原本漫長的產(chǎn)品開發(fā)周期加速落地。

■ 顯著降低研發(fā)成本與風險

傳統(tǒng)濕實驗篩選往往耗時數(shù)月、成本高昂，而PoseX驅(qū)動的AI模擬+物理后處理，可將這一過程壓縮至數(shù)天至幾周內(nèi)完成。這不僅大幅提升了生物制造的研發(fā)投入產(chǎn)出比（ROI），還顯著降低了失敗風險，讓更多創(chuàng)新想法從“概念驗證”快速走向“工業(yè)應用”。

05

結(jié)語：致敬科學，擁抱未來

本次 PoseX 的發(fā)布，是微元合成生物計算團隊與全球頂尖學術(shù)力量深度協(xié)同的成果。文章被 ICLR 2026 接收，不僅是對微元合成AI模型和算法能力的認可，更是對我們“用 AI 重新定義生物制造”愿景的肯定。

未來，微元合成將繼續(xù)秉持開放合作的精神，通過 PoseX 等一系列數(shù)字化平臺，與全球合作伙伴共同探索生命科學的無盡前沿，用更綠色、更智能的方式，為人類創(chuàng)造更美好的物質(zhì)生活。

如果您想對接文章中提到的項目，或您的項目想被動脈網(wǎng)報道，或者發(fā)布融資新聞，請與我們聯(lián)系；也可加入動脈網(wǎng)行業(yè)社群，結(jié)交更多志同道合的好友。

聲明：動脈網(wǎng)所刊載內(nèi)容之知識產(chǎn)權(quán)為動脈網(wǎng)及相關(guān)權(quán)利人專屬所有或持有。未經(jīng)許可，禁止進行轉(zhuǎn)載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業(yè)信息和數(shù)據(jù)，均由受訪者向分析師提供并確認。