UnibindMD：为蛋白设计候选整理多层计算证据

AI设计的蛋白，分数漂亮，就一定能稳稳结合？ UnibindMD给这件事加了一道“动态质检”：先用AI提出候选，再用分子动力学（MD）观察它在模拟中能否保持结构与界面。

10月23日发布的这篇bioRxiv预印本，把BindCraft设计、亲和力预测、成药相关性质评估与MD串到一起。对做蛋白设计的人来说，它提供了一种整理和复核候选计算结果的思路。

9 轮设计，数据怎样汇到一起

研究围绕3个靶点各开展3轮设计，共得到464个通过计算筛选的候选。其中，病毒糖蛋白、病毒内切酶和宿主VEGFR2对应的候选数分别为105、302和57。

第一层，整理这464个候选的结构置信度、界面和几何指标，了解不同设计的表现。第二层，每个靶点选出1个代表候选，共3个，继续汇总亲和力预测、性质预测和MD结果。

这些数据来自本研究的设计与模拟。可以把它理解为给候选建立“计算档案”：不同工具各看一个侧面，再把结果放在一起检查。

3个代表复合物各进行了100 ns模拟。研究者追踪结构偏移、界面接触和埋藏面积等变化，观察候选是否维持原有构象、是否持续贴合靶点。

作者报告，3个候选在这一模拟时间窗内均保持结合；末80 ns统计的平均螺旋比例约75%—82%。静态高分之外，多了一份关于动态表现的计算证据。

把“结构预测有多自信”“亲和力估计如何”“动态表现是否稳定”分开看，再对照到同一个候选上。这让每项结论的依据更清楚，也更容易发现缺少哪类证据。

这里的“验货”仍限于计算：464个候选不等于实验成功；真实结合和功能还待实验验证。计划中的Boltz-2独立复核也尚未完成。另需留意：论文写4475条设计轨迹，表1明细相加为4375条，存在待澄清的计数差异。

代码与数据：文中注明可向作者合理请求获取。