De Novo蛋白设计，一场书写生命新语言的革命

前言

人类第一次不模仿自然，而是从零开始创造全新的蛋白质分子，我们正在推开一扇前所未有的门。这不再是对生命密码的“阅读理解”，而是亲自执笔撰写全新的篇章。

想象一下：你是一个建筑师，但你的任务不是参照任何已有的图纸盖房子，而是直接从物理原理和功能需求出发，凭空“画”出一座前所未有的建筑——而这座建筑的每一个原子都必须精确排布，否则整栋楼就会坍塌。

这就是De novo蛋白设计面临的挑战。

“De novo”来自拉丁语，意为“从头开始”。De novo蛋白设计，就是指不依赖任何天然蛋白质模板，完全基于物理原理和计算方法，从零开始设计具有全新结构和功能的蛋白质。

蛋白质是生命的“分子机器”——催化反应、传递信号、构建结构、抵御病原体……几乎所有精密生命过程的背后，都有蛋白质在“工作”。自然界用了几十亿年进化出了今天丰富多彩的蛋白质世界。但人类面临的很多挑战——癌症、阿尔茨海默病、环境污染、新型材料需求——不会给我们再等几百万年的时间。

De novo蛋白设计，本质上是一场对进化时间的“作弊”。

从“修修补补”到“从头创造”：一个领域的跃迁

传统蛋白质工程的思路，本质上是在大自然已有作品基础上“修修补补”——通过定点突变、定向进化等手段，对天然蛋白进行局部优化。这种方法虽然有效，但受限于天然蛋白的“进化包袱”：结构可塑性有限、功能难以大幅跃迁、某些全新功能天然蛋白根本就不存在。

De novo蛋白设计的野心则大得多：不是改造，而是创造。它允许研究者直接定义目标功能，然后“反向”设计出能实现这一功能的蛋白质序列和结构。这一过程不受进化历史的约束，可以探索自然界从未“尝试”过的结构空间和功能空间。

这一领域的发展经历了三个关键阶段：

The Development of De novo Design

01

经典时代（1990s–2020）：早期研究主要依赖基于物理的能量函数方法。Rosetta软件套件是这一时代的核心工具，通过力场能量最小化来搜索序列-结构空间。2003年，科学家成功设计了Top7——这是第一个不依赖任何天然蛋白质模板、完全从头设计的稳定蛋白质折叠体，标志着该领域的里程碑。然而，经典方法的瓶颈在于计算成本高昂且成功率有限。

02

结构预测驱动时代（2020–2022）：AlphaFold等蛋白质结构预测模型的突破，为蛋白质设计带来了全新模式。研究者开发了“幻觉”策略——通过优化输入序列，让结构预测模型以高置信度预测出目标结构，从而反向获得可折叠为目标构型的序列。

03

生成式AI时代（2022至今）：当前蛋白质设计已进入以生成式人工智能为核心的新纪元。扩散模型能够从随机噪声中直接生成蛋白质骨架结构，图神经网络为给定骨架设计最优氨基酸序列，结构预测工具则用于对设计方案进行验证——这三个工具构成了“生成–设计–验证”三位一体的标准工作流程。

这一领域的飞跃速度有多快？2025年，诺贝尔奖得主David Baker带领团队首次实现了AI“从零开始”设计具有复杂活性位点的丝氨酸水解酶——不是改造天然酶，而是创造出自然界不存在的全新酶分子。正如研究者所言，蛋白质设计领域的核心问题正从“如何设计蛋白质”转变为“应该设计什么蛋白质”。

为什么De Novo设计如此重要？

如果你觉得“从头设计蛋白质”只是一个学术好奇心，那可能需要重新认识这件事的价值。

第一，突破天然蛋白的功能上限。天然酶只能催化自然界存在的反应，而对于人造化学分子——比如新型塑料、特定药物中间体——天然酶往往束手无策。De novo设计可以直接针对目标化学反应，“定制”催化所需的活性位点。这为生物制造打开了无限可能。

第二，大幅缩短研发周期。传统蛋白质药物的开发通常需要数月甚至数年，依赖大量湿实验反复筛选与验证。而AI驱动的从头设计可以在虚拟空间中快速探索海量候选分子，再聚焦于最有希望的少数方案进行实验验证，研发效率呈指数级提升。

第三，创造自然界不存在的“超能力”蛋白。研究者可以设计出稳定性远超天然蛋白的工业酶、能精准靶向特定疾病靶点的结合蛋白、甚至具有“开关”功能的智能蛋白材料。正如科学家所展望的：“想象一个未来，你只需按下一个按钮，就能为你的特定应用设计出定制化的酶”。

这一领域的应用前景极为广阔。在医药领域，De novo设计可以创造出精准靶向疾病靶点的全新结合蛋白，用于肿瘤、自身免疫病等治疗。在工业领域，从降解塑料的超级酶到固定二氧化碳的生物催化剂，从甜度更高更稳定的食品蛋白到可编程的生物材料，De novo设计正在成为合成生物学和绿色生物制造的核心技术引擎。

MatwingsVenus™（晓鹜™）：让De Novo设计从“少数人的艺术”走向“普惠的基础设施”

MatwingsVenus™（晓鹜™）

讲了这么多激动人心的前景，一个现实的问题必须面对：蛋白质从头设计的门槛实在太高了。

传统的蛋白质设计工作流需要研究者掌握结构生物学、计算化学、生物信息学等多个领域的专业知识，同时还需要调用多种计算工具和数据库，设计结果还必须经过繁琐的湿实验验证。一个完整的“设计-验证-迭代”周期，往往需要数月甚至更长时间，且依赖于大型机构的人力物力投入。

正是在这样的背景下，一个致力于改变游戏规则的平台诞生了。

2026年4月24日，AI驱动的全栈式蛋白质研发平台公司上海天鹜科技正式发布了对话式蛋白质研发智能体——MatwingsVenus™（晓鹜™）。这个平台的核心创新在于：它将AI计算设计、自动化湿实验与专家智慧深度融合，构建了一个“设计即验证、验证即迭代”的智能化研发闭环。

具体来说，MatwingsVenus™（晓鹜™）的竞争力体现在三个维度：

一是“对话式”降低了使用门槛

用户只需通过自然语言输入任务目标，系统即可自动拆解任务，调度相应的设计、预测、分析和筛选能力，完成深度研究、挖酶、定向进化、从头设计以及自动化湿实验协同等工作。平台整合了200+蛋白质设计工具、百亿级真实标签蛋白质数据、50+经平台认证的专家，以及30+各领域专家调优的skills——过去只有顶尖团队才能调动的资源，现在个人开发者也能轻松调用。

二是“干湿闭环”打通了最关键的验证环节

在传统模式下，科学家完成计算设计后需要手动传输序列信息、联系外包实验室进行合成与表征，整个流程冗长且容易出错。而MatwingsVenus™（晓鹜™）在AI代理完成设计后，可通过自主构建的通讯机制，将结果直接导入自动化实验流程，驱动机器人完成样品制备、蛋白纯化和功能检测，最终将实验结果回流至下一轮AI设计，形成“计算驱动湿实验、湿实验反哺计算”的迭代循环。

三是实战验证证明了平台的能力

在某免疫调控受体靶点的从头设计项目中，天鹜科技基于MatwingsVenus™（晓鹜™）平台，以靶点结构与功能需求为输入，由AI代理自动完成骨架筛选、界面设计、序列优化、成药性预判等全环节计算工作，成功获得数十个具备体外细胞阻断活性的全新binder分子——这些分子不仅具有细胞阻断活性，还兼具功能抑制与高亲和力潜力。在另一个蛋白质型甜味物质改造案例中，平台采用“代理设计—自动化实验—AI反馈—代理再设计”的多轮迭代策略，最终多个样本的甜度相比野生型提高十几倍，耐热性维持在约75°C的高位区间。

正如行业分析师所指出的，资本市场看重的不只是算法本身，而是其构建的“数据飞轮”壁垒——对于AI蛋白质设计来说，谁拥有高质量的湿实验反馈数据，谁就拥有最深的护城河。天鹜科技先后完成超亿元A轮融资和超2亿元A+轮融资，其背后正是市场对这种“AI设计+自动化验证”全栈模式的认可。

展望：当“造分子”走向“造机器”

Outlook for the Future

回顾De novo蛋白设计的发展历程，从2003年第一个全新折叠体Top7的诞生，到2025年AI从零开始设计功能性酶，再到如今对话式智能体让个人开发者也能调用顶尖设计能力——这个领域用了二十多年，完成了一场从“能不能做”到“如何做得更好”再到“如何让每个人都做”的飞跃。

展望未来五到十年，蛋白质设计有望从“造分子”迈向“造机器”：研究者们有望设计出功能远超自然进化所能产生的复杂蛋白质纳米机器，为医学、材料科学和能源领域带来变革性应用。可以设计降解塑料的超级酶，可以创造更高效、更绿色的生物合成路径，甚至可以设计能够精准切割病原体特异性分子的“治疗性酶”。

正如MatwingsVenus™（晓鹜™）所代表的愿景：当蛋白质设计从“大平台驱动”走向“个人可用”，当每一个人都可以通过与AI对话来开发自己想要的蛋白，我们正在见证的，或许不只是工具层面的升级，而是生命科学“开发者时代”的真正到来。

在这场从“理解生命”到“设计生命”的模式转换中，De novo蛋白设计不再仅仅是科学家的实验课题，而是正在成为驱动生物经济未来发展的核心引擎。