AntwortenVeröffentlicht14 Quellen
KI-Plattform findet in 18 von 19 Projekten bindende Moleküle
MMDesign fand laut Bericht in 18 von 19 Projekten mindestens einen Binder: eine projektbezogene Erfolgsquote von 94,7 Prozent. Unter 453 getesteten Kandidaten banden 139 an ihr Zielmolekül – eine Trefferquote von 30,7 Prozent.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- MMDesign fand laut Bericht in 18 von 19 Projekten mindestens einen Binder: eine projektbezogene Erfolgsquote von 94,7 Prozent.
- Unter 453 getesteten Kandidaten banden 139 an ihr Zielmolekül – eine Trefferquote von 30,7 Prozent.
- Der berichtete Ablauf reduziert Zehntausende computergenerierte Entwürfe auf 9 bis 50 Kandidaten für Labortests; der Median liegt bei 21.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What does MoleculeMind’s October 29, 2026 technical report, available on Zenodo, reveal about MMDesign’s de novo nanobody (VHH) and macrocyc. Article summary: The reported results suggest MMDesign can repeatedly produce experimentally confirmed binders across different targets and two molecular formats, rather than merely generate plausible sequences. Available coverage corrob. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
MoleculeMinds Plattform MMDesign soll in 18 von 19 De-novo-Designprojekten mindestens einen im Labor bestätigten Binder hervorgebracht haben. Das entspricht einer Erfolgsquote von 94,7 Prozent auf Projektebene. Eine andere Kennzahl fällt niedriger aus: Von 453 getesteten Kandidaten banden 139 an ihr Zielmolekül – eine Trefferquote von 30,7 Prozent. 17
18
Die im Oktober 2026 veröffentlichten Berichte umfassen 18 Zielmoleküle und zwei Molekültypen: Nanobodies, auch VHHs genannt, sowie zyklische Peptide. Die Ergebnisse sprechen für einen Ablauf, der die Zahl der Kandidaten für Labortests begrenzen soll. Experimente bleiben dabei ein notwendiger Teil der Entwicklung. 17
18
Zwei Quoten, zwei verschiedene Aussagen
Ein Projekt gilt als erfolgreich, wenn mindestens ein bestätigter Binder gefunden wird. Gemessen daran war MMDesign in 18 von 19 Projekten erfolgreich. Die Kandidaten-Trefferquote zählt dagegen, wie viele der tatsächlich getesteten Moleküle gebunden haben: 139 von 453, also 30,7 Prozent. 17
18
Laut einem der Berichte brachten zudem 15 Projekte mehrere Binder hervor. Ein Projekt kann also mehr als einen Kandidaten für weitere Untersuchungen liefern – auch wenn die Mehrheit der getesteten Einzelmoleküle nicht gebunden hat. 18
Von Zehntausenden Entwürfen zu einer Laborauswahl
Der beschriebene Prozess folgt dem Prinzip „Generieren, filtern, validieren“: MMDesign erstellt zunächst Zehntausende computergestützte Kandidaten. Anschließend werden sie unter anderem nach struktureller Zuverlässigkeit, Sequenz-Natürlichkeit und einer Bewertung auf Basis statistischer Physik gefiltert. Pro Projekt gehen schließlich 9 bis 50 Kandidaten ins Labor; der Median liegt bei 21. 17
18
Die Aussage ist also nicht, dass die KI Laborexperimente ersetzt. Vielmehr soll die computergestützte Vorauswahl eine kleinere Liste aussichtsreicher Moleküle für die Tests liefern. Die Trefferquote von 30,7 Prozent bezieht sich auf die getesteten Kandidaten – nicht auf sämtliche am Computer erzeugten Sequenzen. 17
18
Berichte melden Treffer bei sechs GPCR-Zielen
Laut den Oktober-Berichten fand MMDesign Binder für alle sechs getesteten GPCR-Ziele: CCR7, CCR8, EP2, GPR68, NK3R und A2AR. Die berichteten Trefferquoten der Kandidaten lagen je nach Ziel zwischen 12,1 und 100 Prozent. 17
19
GPCRs sind Membranproteine. Ihre Struktur kann die computergestützte Modellierung und das Design erschweren. Die Ergebnisse über mehrere GPCR-Ziele hinweg sind daher ein Hinweis darauf, wie sich die Plattform bei anspruchsvollen Designaufgaben schlägt. Für sich genommen belegen sie jedoch nicht, dass die Binder als Medikamente wirken. 48
Was die Zahlen belegen – und was offenbleibt
Die berichteten Projekt- und Kandidatenquoten zeigen, dass MMDesign über mehrere Zielmoleküle und zwei Molekültypen hinweg experimentell bestätigte Binder hervorgebracht haben soll. Die Kennzahlen sind aber nicht austauschbar: 94,7 Prozent bezeichnet den Anteil der Projekte mit mindestens einem Binder; 30,7 Prozent den Anteil bindender Moleküle unter den getesteten Kandidaten. 17
18
Die verfügbaren Oktober-Berichte nennen zentrale Ergebnisse und Details zum Ablauf. Sie reichen hier jedoch nicht aus, um alle Testdefinitionen zu beurteilen oder die Trefferquoten einzelner Projekte direkt miteinander zu vergleichen. Die Zahlen sind deshalb als berichtete Ergebnisse zu verstehen – nicht als Nachweis für Wirksamkeit, Sicherheit oder klinische Einsatzreife.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „KI-Plattform findet in 18 von 19 Projekten bindende Moleküle“?
MMDesign fand laut Bericht in 18 von 19 Projekten mindestens einen Binder: eine projektbezogene Erfolgsquote von 94,7 Prozent.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
MMDesign fand laut Bericht in 18 von 19 Projekten mindestens einen Binder: eine projektbezogene Erfolgsquote von 94,7 Prozent. Unter 453 getesteten Kandidaten banden 139 an ihr Zielmolekül – eine Trefferquote von 30,7 Prozent.
Was soll ich als nächstes in der Praxis tun?
Der berichtete Ablauf reduziert Zehntausende computergenerierte Entwürfe auf 9 bis 50 Kandidaten für Labortests; der Median liegt bei 21.