उत्तरप्रकाशित14 स्रोत
AI प्रोटीन डिज़ाइन: MMDesign के 19 में से 18 प्रोजेक्ट सफल
MoleculeMind के MMDesign ने रिपोर्ट के मुताबिक 19 में से 18 प्रोजेक्ट में कम से कम एक बाइंडर दिया—यानी 94.7% प्रोजेक्ट सफलता दर। जांचे गए 453 उम्मीदवारों में से 139 लक्ष्य से बंधे; उम्मीदवारों की हिट रेट 30.7% रही। कंप्यूटेशन से चुने गए दसियों हज़ार डिज़ाइनों को हर प्रोजेक्ट में लैब टेस्ट के लिए 9–50 उम्मीदवारों तक...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- MoleculeMind के MMDesign ने रिपोर्ट के मुताबिक 19 में से 18 प्रोजेक्ट में कम से कम एक बाइंडर दिया—यानी 94.7% प्रोजेक्ट सफलता दर।
- जांचे गए 453 उम्मीदवारों में से 139 लक्ष्य से बंधे; उम्मीदवारों की हिट रेट 30.7% रही।
- कंप्यूटेशन से चुने गए दसियों हज़ार डिज़ाइनों को हर प्रोजेक्ट में लैब टेस्ट के लिए 9–50 उम्मीदवारों तक सीमित किया गया; औसत मध्य संख्या 21 थी।
- रिपोर्ट में सभी छह जांचे गए GPCR लक्ष्यों के लिए बाइंडर मिलने की बात है; लक्ष्य के हिसाब से हिट रेट 12.1% से 100% तक रही।
AI संकेत
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
MoleculeMind के MMDesign प्लेटफ़ॉर्म ने कथित तौर पर 18 अलग-अलग लक्ष्यों पर किए गए 19 डी नोवो डिज़ाइन प्रोजेक्ट में से 18 में कम-से-कम एक ऐसा बाइंडर बनाया जिसकी लैब में पुष्टि हुई। यह प्रोजेक्ट सफलता दर 94.7% है। अलग पैमाने पर देखें तो जांचे गए 453 उम्मीदवारों में से 139 लक्ष्य से बंधे—यानी उम्मीदवार हिट रेट 30.7%। दोनों आंकड़े अलग सवालों का जवाब देते हैं; 30.7% बताता है कि जांचे गए ज़्यादातर अणु बाइंड नहीं हुए। 17
18
अक्टूबर 2026 की कवरेज के मुताबिक, इन नतीजों में नैनोबॉडी (VHH) और मैक्रोसाइक्लिक पेप्टाइड—दो तरह के अणु शामिल हैं। इस काम का मकसद लैब तक पहुंचने वाले उम्मीदवारों की संख्या घटाना है; प्रयोगशाला में जांच फिर भी खोज प्रक्रिया का अहम हिस्सा बनी रहती है। 17
18
सफलता दर के दो अलग पैमाने
किसी प्रोजेक्ट को सफल तब गिना जाता है जब उसमें कम-से-कम एक पुष्ट बाइंडर मिले। इस कसौटी पर MMDesign के 19 में से 18 प्रोजेक्ट सफल रहे। उम्मीदवार हिट रेट, इसके उलट, जांचे गए कुल अणुओं में से लक्ष्य से बंधने वालों का अनुपात बताती है: 453 में से 139, यानी 30.7%। 17
18
कवरेज यह भी बताती है कि 15 प्रोजेक्ट में एक से अधिक बाइंडर मिले। यानी कुछ प्रोजेक्ट में आगे जांचने के लिए कई उम्मीदवार उपलब्ध थे, भले ही सभी जांचे गए उम्मीदवारों में बाइंड होने वालों का अनुपात प्रोजेक्ट सफलता दर से काफी कम रहा। 18
कंप्यूटेशन से लैब तक: MMDesign की प्रक्रिया
रिपोर्टेड प्रक्रिया तीन चरणों में चलती है—डिज़ाइन बनाना, छांटना और प्रयोग से पुष्टि करना। MMDesign पहले कंप्यूटेशन से दसियों हज़ार उम्मीदवार तैयार करता है। फिर संरचना की विश्वसनीयता, अनुक्रम की प्राकृतिकता और सांख्यिकीय भौतिकी पर आधारित स्कोरिंग के आधार पर उन्हें छांटता है। इसके बाद हर प्रोजेक्ट में 9–50 उम्मीदवारों को लैब परीक्षण के लिए भेजा जाता है; मध्य संख्या 21 है। 17
18
इसका मतलब यह नहीं कि कंप्यूटर ने लैब की जगह ले ली है। विचार यह है कि कंप्यूटेशन की मदद से प्रयोगों के लिए एक छोटा और चुना हुआ समूह तैयार किया जाए। बताई गई हिट रेट उन्हीं उम्मीदवारों की है जिन्हें परीक्षण के लिए चुना गया—कंप्यूटर में बनाए गए हर अनुक्रम की नहीं। 17
18
छह GPCR लक्ष्यों पर रिपोर्टेड नतीजे
अक्टूबर की कवरेज के मुताबिक, MMDesign ने सभी छह जांचे गए GPCR लक्ष्यों—CCR7, CCR8, EP2, GPR68, NK3R और A2AR—के लिए बाइंडर दिए। इन लक्ष्यों पर उम्मीदवार हिट रेट 12.1% से 100% तक बताई गई। 17
19
GPCR कोशिका-झिल्ली में मौजूद प्रोटीन होते हैं। उनकी संरचना की मॉडलिंग और डिज़ाइन में चुनौतियां हो सकती हैं, इसलिए कई GPCR लक्ष्यों पर मिले नतीजे इस डिज़ाइन प्रक्रिया को परखने के लिए उल्लेखनीय हैं। लेकिन इनसे अपने-आप यह साबित नहीं होता कि संबंधित बाइंडर दवा के रूप में काम करेंगे। 48
नतीजे क्या बताते हैं—और क्या नहीं
रिपोर्टेड प्रोजेक्ट और उम्मीदवार दरें बताती हैं कि MMDesign ने अलग-अलग लक्ष्यों और दो तरह के अणुओं में प्रयोग से पुष्ट बाइंडर तैयार किए। मगर 94.7% और 30.7% को एक ही तरह की सफलता न समझें: पहली दर उन प्रोजेक्ट का अनुपात है जिनमें कम-से-कम एक बाइंडर मिला; दूसरी, जांचे गए उम्मीदवारों में बाइंड होने वालों का अनुपात। 17
18
अक्टूबर की उपलब्ध कवरेज में मुख्य नतीजे और कार्यप्रवाह का विवरण है, लेकिन हर परीक्षण की परिभाषा या अलग-अलग प्रोजेक्ट की हिट रेट की सीधी तुलना करने लायक पर्याप्त जानकारी नहीं दी गई है। इसलिए इन आंकड़ों को रिपोर्टेड नतीजों के रूप में पढ़ना चाहिए—दवा की प्रभावकारिता, सुरक्षा या क्लिनिकल इस्तेमाल की तैयारी के प्रमाण के तौर पर नहीं।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"AI प्रोटीन डिज़ाइन: MMDesign के 19 में से 18 प्रोजेक्ट सफल" का संक्षिप्त उत्तर क्या है?
MoleculeMind के MMDesign ने रिपोर्ट के मुताबिक 19 में से 18 प्रोजेक्ट में कम से कम एक बाइंडर दिया—यानी 94.7% प्रोजेक्ट सफलता दर।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
MoleculeMind के MMDesign ने रिपोर्ट के मुताबिक 19 में से 18 प्रोजेक्ट में कम से कम एक बाइंडर दिया—यानी 94.7% प्रोजेक्ट सफलता दर। जांचे गए 453 उम्मीदवारों में से 139 लक्ष्य से बंधे; उम्मीदवारों की हिट रेट 30.7% रही।
मुझे अभ्यास में आगे क्या करना चाहिए?
कंप्यूटेशन से चुने गए दसियों हज़ार डिज़ाइनों को हर प्रोजेक्ट में लैब टेस्ट के लिए 9–50 उम्मीदवारों तक सीमित किया गया; औसत मध्य संख्या 21 थी।