MMDesign dilaporkan menghasilkan sekurang kurangnya satu pengikat dalam 18 daripada 19 projek (94.7%); 139 daripada 453 calon yang diuji mengikat sasaran (30.7%). Aliran kerja yang dilaporkan menapis puluhan ribu reka bentuk komputasi kepada 9–50 calon untuk ujian makmal bagi setiap projek, dengan median 21 calon.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer

Create 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
Platform MMDesign milik MoleculeMind dilaporkan menghasilkan sekurang-kurangnya satu molekul pengikat yang disahkan melalui ujian makmal dalam 18 daripada 19 projek reka bentuk de novo merentasi 18 sasaran. Ini bersamaan dengan kadar kejayaan projek 94.7%. Namun, daripada 453 calon yang diuji, hanya 139 mengikat sasaran—kadar kejayaan calon 30.7%. Kedua-dua angka ini mengukur perkara yang berbeza, dan angka kedua menunjukkan kebanyakan calon yang diuji tidak mengikat sasaran. 17
18
Laporan yang diliputi pada Oktober 2026 merangkumi nanobodi (VHH) dan peptida makrosiklik. Hasilnya menggambarkan pendekatan yang cuba mengecilkan senarai calon sebelum dibawa ke makmal, bukannya menggantikan ujian eksperimen. 17
18
Sesuatu projek dikira berjaya jika sekurang-kurangnya satu calon yang disahkan mengikat sasaran berjaya dihasilkan. Berdasarkan ukuran itu, MMDesign berjaya dalam 18 daripada 19 projek. Kadar calon pula mengira bahagian molekul yang diuji dan benar-benar mengikat sasaran: 139 daripada 453, atau 30.7%. 17
18
Laporan turut menyebut bahawa 15 projek menghasilkan lebih daripada satu pengikat. Ini bermakna pasukan penyelidik mempunyai beberapa calon untuk dinilai lanjut dalam projek berkenaan, walaupun kadar kejayaan keseluruhan calon jauh lebih rendah daripada kadar kejayaan projek. 18
Proses yang dilaporkan mengikuti tiga peringkat: jana, tapis dan sahkan. MMDesign menjana puluhan ribu calon secara komputasi, kemudian menapisnya berdasarkan kebolehpercayaan struktur, sifat jujukan yang menyerupai protein semula jadi dan pemarkahan berasaskan fizik statistik. Selepas itu, 9 hingga 50 calon bagi setiap projek dihantar untuk ujian makmal; jumlah mediannya ialah 21. 17
18
Maksudnya bukan komputer mengambil alih kerja makmal. Sebaliknya, saringan komputasi digunakan untuk memilih senarai calon yang lebih kecil bagi diuji secara eksperimen. Kadar 30.7% merujuk kepada calon yang diuji, bukan semua jujukan yang dijana melalui komputasi. 17
18
Liputan Oktober menyatakan MMDesign memperoleh pengikat bagi kesemua enam sasaran GPCR yang diuji: CCR7, CCR8, EP2, GPR68, NK3R dan A2AR. Kadar kejayaan calon bagi sasaran-sasaran itu dilaporkan berada antara 12.1% hingga 100%. 17
19
GPCR, atau reseptor berpasangan protein G, ialah protein membran. Struktur dan permukaan sasaran seperti ini boleh menyukarkan pemodelan serta reka bentuk komputasi. Oleh itu, hasil merentasi enam sasaran ini menarik sebagai ujian reka bentuk—namun ia tidak membuktikan bahawa pengikat berkenaan boleh berfungsi sebagai ubat. 48
Kadar yang dilaporkan menunjukkan MMDesign menghasilkan pengikat yang disahkan melalui eksperimen merentasi beberapa sasaran dan dua jenis molekul. Tetapi 94.7% ialah bahagian projek yang menghasilkan sekurang-kurangnya satu pengikat, manakala 30.7% ialah bahagian calon yang diuji dan berjaya mengikat. Kedua-dua peratusan itu tidak boleh dianggap sebagai ukuran yang sama. 17
18
Liputan Oktober yang tersedia memberikan angka utama dan butiran aliran kerja, tetapi tidak menyediakan maklumat yang mencukupi di sini untuk menilai setiap takrif ujian atau membandingkan kadar kejayaan antara projek secara langsung. Jadi, angka tersebut wajar dibaca sebagai hasil yang dilaporkan—bukan bukti keberkesanan terapeutik, keselamatan atau kesediaan untuk kegunaan klinikal.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MMDesign dilaporkan menghasilkan sekurang kurangnya satu pengikat dalam 18 daripada 19 projek (94.7%); 139 daripada 453 calon yang diuji mengikat sasaran (30.7%).
MMDesign dilaporkan menghasilkan sekurang kurangnya satu pengikat dalam 18 daripada 19 projek (94.7%); 139 daripada 453 calon yang diuji mengikat sasaran (30.7%). Aliran kerja yang dilaporkan menapis puluhan ribu reka bentuk komputasi kepada 9–50 calon untuk ujian makmal bagi setiap projek, dengan median 21 calon.
Laporan turut menyatakan pengikat diperoleh bagi kesemua enam sasaran GPCR yang diuji, dengan kadar calon berjaya antara 12.1% hingga 100%.
MMDesign dilaporkan menghasilkan sekurang kurangnya satu pengikat dalam 18 daripada 19 projek (94.7%); 139 daripada 453 calon yang diuji mengikat sasaran (30.7%). Aliran kerja yang dilaporkan menapis puluhan ribu reka bentuk komputasi kepada 9–50 calon untuk ujian makmal bagi setiap projek, dengan median 21 calon.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer

Create 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
Platform MMDesign milik MoleculeMind dilaporkan menghasilkan sekurang-kurangnya satu molekul pengikat yang disahkan melalui ujian makmal dalam 18 daripada 19 projek reka bentuk de novo merentasi 18 sasaran. Ini bersamaan dengan kadar kejayaan projek 94.7%. Namun, daripada 453 calon yang diuji, hanya 139 mengikat sasaran—kadar kejayaan calon 30.7%. Kedua-dua angka ini mengukur perkara yang berbeza, dan angka kedua menunjukkan kebanyakan calon yang diuji tidak mengikat sasaran. 17
18
Laporan yang diliputi pada Oktober 2026 merangkumi nanobodi (VHH) dan peptida makrosiklik. Hasilnya menggambarkan pendekatan yang cuba mengecilkan senarai calon sebelum dibawa ke makmal, bukannya menggantikan ujian eksperimen. 17
18
Sesuatu projek dikira berjaya jika sekurang-kurangnya satu calon yang disahkan mengikat sasaran berjaya dihasilkan. Berdasarkan ukuran itu, MMDesign berjaya dalam 18 daripada 19 projek. Kadar calon pula mengira bahagian molekul yang diuji dan benar-benar mengikat sasaran: 139 daripada 453, atau 30.7%. 17
18
Laporan turut menyebut bahawa 15 projek menghasilkan lebih daripada satu pengikat. Ini bermakna pasukan penyelidik mempunyai beberapa calon untuk dinilai lanjut dalam projek berkenaan, walaupun kadar kejayaan keseluruhan calon jauh lebih rendah daripada kadar kejayaan projek. 18
Proses yang dilaporkan mengikuti tiga peringkat: jana, tapis dan sahkan. MMDesign menjana puluhan ribu calon secara komputasi, kemudian menapisnya berdasarkan kebolehpercayaan struktur, sifat jujukan yang menyerupai protein semula jadi dan pemarkahan berasaskan fizik statistik. Selepas itu, 9 hingga 50 calon bagi setiap projek dihantar untuk ujian makmal; jumlah mediannya ialah 21. 17
18
Maksudnya bukan komputer mengambil alih kerja makmal. Sebaliknya, saringan komputasi digunakan untuk memilih senarai calon yang lebih kecil bagi diuji secara eksperimen. Kadar 30.7% merujuk kepada calon yang diuji, bukan semua jujukan yang dijana melalui komputasi. 17
18
Liputan Oktober menyatakan MMDesign memperoleh pengikat bagi kesemua enam sasaran GPCR yang diuji: CCR7, CCR8, EP2, GPR68, NK3R dan A2AR. Kadar kejayaan calon bagi sasaran-sasaran itu dilaporkan berada antara 12.1% hingga 100%. 17
19
GPCR, atau reseptor berpasangan protein G, ialah protein membran. Struktur dan permukaan sasaran seperti ini boleh menyukarkan pemodelan serta reka bentuk komputasi. Oleh itu, hasil merentasi enam sasaran ini menarik sebagai ujian reka bentuk—namun ia tidak membuktikan bahawa pengikat berkenaan boleh berfungsi sebagai ubat. 48
Kadar yang dilaporkan menunjukkan MMDesign menghasilkan pengikat yang disahkan melalui eksperimen merentasi beberapa sasaran dan dua jenis molekul. Tetapi 94.7% ialah bahagian projek yang menghasilkan sekurang-kurangnya satu pengikat, manakala 30.7% ialah bahagian calon yang diuji dan berjaya mengikat. Kedua-dua peratusan itu tidak boleh dianggap sebagai ukuran yang sama. 17
18
Liputan Oktober yang tersedia memberikan angka utama dan butiran aliran kerja, tetapi tidak menyediakan maklumat yang mencukupi di sini untuk menilai setiap takrif ujian atau membandingkan kadar kejayaan antara projek secara langsung. Jadi, angka tersebut wajar dibaca sebagai hasil yang dilaporkan—bukan bukti keberkesanan terapeutik, keselamatan atau kesediaan untuk kegunaan klinikal.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MMDesign dilaporkan menghasilkan sekurang kurangnya satu pengikat dalam 18 daripada 19 projek (94.7%); 139 daripada 453 calon yang diuji mengikat sasaran (30.7%).
MMDesign dilaporkan menghasilkan sekurang kurangnya satu pengikat dalam 18 daripada 19 projek (94.7%); 139 daripada 453 calon yang diuji mengikat sasaran (30.7%). Aliran kerja yang dilaporkan menapis puluhan ribu reka bentuk komputasi kepada 9–50 calon untuk ujian makmal bagi setiap projek, dengan median 21 calon.
Laporan turut menyatakan pengikat diperoleh bagi kesemua enam sasaran GPCR yang diuji, dengan kadar calon berjaya antara 12.1% hingga 100%.