OpenDDE：开源全原子生物分子基础模型推动AI药物研发民主化
【前沿科学转载】
准确建模生物分子之间的相互作用是生物医学研究和药物发现的核心瓶颈之一。过去几年，以AlphaFold为代表的蛋白质结构预测方法已经取得了突破性进展，但最具实力的系统往往是闭源的，限制了对结果的可复现性、独立验证和社区驱动的扩展。
Aureka AI团队近日在arXiv发布Open Drug Discovery Engine（OpenDDE）——据团队称，这是首个达到IsoDDE级别共折叠精度、采用Apache-2.0许可证开源的全原子生物分子基础模型。OpenDDE以共折叠（co-folding）为核心入口，构建了一个可扩展的AI驱动药物研发引擎。
OpenDDE的三大创新亮点：
1. 原子级潜在推理。 传统的生物分子模型通常只做端到端的结构预测，而OpenDDE引入了潜在推理（latent reasoning）：在进行全原子结构生成之前，模型会”思考”并优化局部几何结构、化学上下文以及跨分子界面的表示。这种推理层使得模型能够更精细地理解生物分子的三维结构关系，在需要复杂判断的任务上显著优于传统模型。
2. 折叠中心的可扩展框架。 OpenDDE的设计超越单纯的结构预测——它被构建为一个共享的结构推理层，未来可以扩展支持全新分子设计（de novo design）、结合亲和力估算、结构条件优化等多种模块，真正成为药物发现的全能引擎。
3. 规模定律与数据蒸馏。 研究团队还发现了两条生物分子基础模型的规模定律方向：模型参数规模和训练数据的规模对预测精度有明确影响。他们提出了针对单体蛋白和多聚体复合物的数据蒸馏策略，显著提升了模型的鲁棒性和泛化能力。
团队表示，OpenDDE在广泛的不同生物分子复合物预测任务上的表现与IsoDDE相当，在抗体-抗原泛化基准上显著优于现有系统。更关键的是，它将训练代码、推理管线、模型权重和基准全部开源，意味着全球的研究机构都可以在此基础上进行改进和创新，从而加速新药研发进程，降低研发成本。
来源：
📄 arXiv:2607.03787 — “Folding, Reasoning, and Scaling with Open-source Drug Discovery Engine”
👥 作者：Aureka AI OpenDDE项目团队
🏷️ 分类：cs.AI, cs.CE, q-bio.BM
📅 提交日期：2026-07-04