9月23日消息，蛋白质设计公司 Manifold Bio 发布新一代 AI 蛋白结合蛋白设计系统 mBER-2，同步公开一份 26 页技术报告：在 56 个治疗相关靶点的验证面板上，55 个靶点拿到了与设计靶点特异性结合的结合蛋白，覆盖率达 98%。这家公司把差异化卖点押在配套的活体测量管线上：借助分子条形码技术，单次实验可以测量 50 万个结合蛋白在活体内的组织分布，累计已在动物体内测试超过 300 万个结合蛋白，并从中报告了一个可将药物强选择性递送至脂肪组织的新受体。
56 个靶点，55 个命中
mBER-2 是 Manifold Binder Engineering and Refinement 的第二代系统，前代 mBER-open 于2025年秋发布。技术报告的验证方式是：公司自选 56 个治疗相关靶点组成面板，包含 GPCR、受体激酶、钙黏蛋白等历史上难以设计的膜蛋白类别，用 mBER-2 为每个靶点选取可结合的表位并生成结合蛋白，共下单合成约 129.8 万条序列，最终得到 2.6 万个与设计靶点特异性结合的命中。
表位覆盖的数字更细：51 个靶点（91%）命中了至少 2 个预测表位簇，个别靶点最多命中 21 个簇。同一靶点可以从多个位置结合，设计空间不止一个入口。命中率方面，VHH（单域抗体）在高信号设计中的整体命中率为 8.6%，按每个靶点筛选前 100 个设计统计时升至 16.8%；测得的最优亲和力为 8.2 nM。
报告还展示了两项延伸设计。mBER-2 向「微结合物」（10 到 45 个氨基酸的结构化多肽）支架中写入结合界面，50 个支架里 31 个拿到特异性命中，可设计的蛋白尺寸被进一步压小。对既有结合蛋白的定向优化是另一项：最多引入 20 个突变仍保持功能，报告称其回收与预期靶点结合的效率高于深度突变扫描和 ESM2 引导设计的对照流程。
5,000 万个设计，300 万次体内测试
博客给出的设计规模有两个数字：单次运行动用超过 4,500 块 GPU 并行推理，对 1,000 个靶点生成逾 5,000 万个结合蛋白设计；累计设计已超过 5,000 万个，覆盖 8,700 多个不同靶点蛋白。为覆盖人类表面蛋白质组全部可寻址表位的「EpiTome」计划，公司已在计算机中对数万个推定表位采样数百万个设计。
差异点在测量端。分子条形码技术让单次实验可以同时测量 50 万个以上结合蛋白在活体动物中的组织分布；累计已在动物体内测试超过 300 万个结合蛋白，其中约 100 万个在非人灵长类身上完成。联创兼 CTO Pierce Ogden 在 X 上发帖称，公司过去六年搭建的就是这套活体测量技术。
这套管线已经产出一项具体结果：一个可将药物强选择性递送至脂肪组织的新受体。公司称该受体在公开文献中尚无报告，相关分子正朝人体应用推进。公司规划的下一步同样以体内数据为中心：EpiTome 表位库整库进入体内筛选，以及从序列预测体内行为的「Virtual Organism 1.0」模型。
赛道坐标与边界
对照赛道，AI 蛋白结合蛋白设计在2025到2026年密集出现同类系统：mBER-open 之外，报告引用的同行工作包括 Germinal、Chai-2、JAM-2 与 BoltzGen，报告自称 mBER-2 的表位覆盖与命中率处于「最先进」水平，此为厂商自评。Manifold Bio 于2020年创立，出自乔治·丘奇实验室体系，2025年11月与罗氏达成战略合作，罗氏支付 5,500 万美元首付款外加分级分成，购买的对象正是这套设计与体内测量平台。
但这份成绩单全部为厂商自报，56 个靶点面板由公司自选，技术报告未经同行评审；截至 9月23日，主流媒体对这次发布暂无独立报道。结合蛋白也不等于药物，从体内结合到安全性、药效之间隔着完整的开发链条。
设计端工具在这两年快速扩散，仅这份报告引用的同类系统就有五个。Manifold 的发布重心却压在测量端：单次 50 万个结合蛋白的体内测量、一个脂肪组织递送新受体，以及罗氏为这套平台付出的 5,500 万美元首付款。对关注这个赛道的读者来说，衡量这类公司的问题正在从「命中率多高」变成「体内数据管线在哪」。
AI 速览
