รายงานระบุว่า MMDesign พบตัวจับเป้าหมายที่ยืนยันในห้องปฏิบัติการอย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ คิดเป็น 94.7% ของโครงการ ในผู้สมัคร 453 รายที่นำไปทดสอบ พบ 139 รายจับเป้าหมายได้ หรือ 30.7% ซึ่งเป็นคนละตัวชี้วัดกับอัตราความสำเร็จระดับโครงการ กระบวนการคัดกรองเริ่มจากแบบจำลองนับหลายหมื่น ก่อนเลือกผู้สมัคร 9–50 ราย...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย

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
MoleculeMind ระบุว่าแพลตฟอร์มออกแบบโปรตีน MMDesign สร้างโมเลกุลที่ยืนยันแล้วว่าจับเป้าหมายได้อย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ ครอบคลุมเป้าหมาย 18 ชนิด คิดเป็นอัตราความสำเร็จระดับโครงการ 94.7% แต่เมื่อพิจารณาผู้สมัครทั้งหมดที่นำไปทดสอบ พบว่าจับเป้าหมายได้ 139 จาก 453 ราย หรือ 30.7% 17
18
ตัวเลขสองชุดนี้ตอบคนละคำถาม: 94.7% บอกสัดส่วนโครงการที่มีตัวจับอย่างน้อยหนึ่งตัว ส่วน 30.7% บอกสัดส่วนผู้สมัครที่ทดสอบแล้วได้ผล รายงานยังระบุว่า 15 โครงการได้ตัวจับมากกว่าหนึ่งตัว 18
ขั้นตอนของ MMDesign แบ่งเป็นการสร้างแบบจำลอง การคัดกรอง และการยืนยันผลในห้องปฏิบัติการ แพลตฟอร์มสร้างผู้สมัครในคอมพิวเตอร์หลายหมื่นแบบ จากนั้นประเมินความน่าเชื่อถือของโครงสร้าง ความเป็นธรรมชาติของลำดับกรดอะมิโน และคะแนนที่อิงฟิสิกส์เชิงสถิติ ก่อนคัดเหลือ 9–50 รายต่อโครงการเพื่อทดสอบ โดยมีค่ามัธยฐานอยู่ที่ 21 ราย 17
18
ดังนั้น จุดสำคัญของแนวทางนี้คือการใช้การคัดกรองด้วยคอมพิวเตอร์เพื่อเลือกผู้สมัครจำนวนไม่มากไปทดลอง ไม่ใช่การตัดขั้นตอนทดลองในห้องปฏิบัติการออก และอัตราการจับ 30.7% หมายถึงเฉพาะผู้สมัครที่ถูกนำไปทดสอบ ไม่ใช่แบบจำลองทั้งหมดที่สร้างขึ้น 17
18
รายงานข่าวเดือนตุลาคมระบุว่า MMDesign พบตัวจับสำหรับ GPCR ทั้ง 6 เป้าหมายที่ทดสอบ ได้แก่ CCR7, CCR8, EP2, GPR68, NK3R และ A2AR โดยอัตราการจับของผู้สมัครในแต่ละเป้าหมายอยู่ระหว่าง 12.1% ถึง 100% 17
19
GPCR เป็นโปรตีนที่อยู่บนเยื่อหุ้มเซลล์ และโครงสร้างของโปรตีนกลุ่มนี้อาจเป็นโจทย์ท้าทายสำหรับการสร้างแบบจำลองและการออกแบบด้วยคอมพิวเตอร์ 48 ผลที่รายงานจึงเป็นข้อมูลเกี่ยวกับการทดลองออกแบบกับเป้าหมายหลายชนิด แต่ยังไม่ใช่หลักฐานว่าโมเลกุลเหล่านี้จะใช้เป็นยาได้
ผลที่รายงานชี้ว่า MMDesign สามารถสร้างตัวจับที่ยืนยันผลได้ในหลายเป้าหมาย และครอบคลุมทั้งนาโนแอนติบอดีชนิด VHH กับเปปไทด์วงแหวนขนาดใหญ่ อย่างไรก็ดี อัตราความสำเร็จระดับโครงการ 94.7% ไม่ควรนำไปตีความว่าโมเลกุลที่ออกแบบเกือบทั้งหมดใช้ได้ เพราะอัตราการจับในผู้สมัครที่ทดสอบอยู่ที่ 30.7% 17
18
ข้อมูลข่าวที่มีระบุผลภาพรวมและขั้นตอนการทำงาน แต่ยังไม่ให้รายละเอียดเพียงพอสำหรับประเมินนิยามการทดสอบทุกโครงการ หรือเปรียบเทียบอัตราการจับระหว่างโครงการอย่างตรงไปตรงมา ตัวเลขเหล่านี้จึงควรอ่านในฐานะผลที่มีการรายงาน ไม่ใช่ข้อพิสูจน์ด้านประสิทธิภาพการรักษา ความปลอดภัย หรือความพร้อมเข้าสู่การทดลองทางคลินิก
Studio Global AI
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
รายงานระบุว่า MMDesign พบตัวจับเป้าหมายที่ยืนยันในห้องปฏิบัติการอย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ คิดเป็น 94.7% ของโครงการ
รายงานระบุว่า MMDesign พบตัวจับเป้าหมายที่ยืนยันในห้องปฏิบัติการอย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ คิดเป็น 94.7% ของโครงการ ในผู้สมัคร 453 รายที่นำไปทดสอบ พบ 139 รายจับเป้าหมายได้ หรือ 30.7% ซึ่งเป็นคนละตัวชี้วัดกับอัตราความสำเร็จระดับโครงการ
กระบวนการคัดกรองเริ่มจากแบบจำลองนับหลายหมื่น ก่อนเลือกผู้สมัคร 9–50 รายต่อโครงการไปทดสอบ และรายงานผลตัวจับต่อ GPCR ทั้ง 6 เป้าหมายที่ทดลอง
รายงานระบุว่า MMDesign พบตัวจับเป้าหมายที่ยืนยันในห้องปฏิบัติการอย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ คิดเป็น 94.7% ของโครงการ ในผู้สมัคร 453 รายที่นำไปทดสอบ พบ 139 รายจับเป้าหมายได้ หรือ 30.7% ซึ่งเป็นคนละตัวชี้วัดกับอัตราความสำเร็จระดับโครงการ กระบวนการคัดกรองเริ่มจากแบบจำลองนับหลายหมื่น ก่อนเลือกผู้สมัคร 9–50 ราย...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย

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
MoleculeMind ระบุว่าแพลตฟอร์มออกแบบโปรตีน MMDesign สร้างโมเลกุลที่ยืนยันแล้วว่าจับเป้าหมายได้อย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ ครอบคลุมเป้าหมาย 18 ชนิด คิดเป็นอัตราความสำเร็จระดับโครงการ 94.7% แต่เมื่อพิจารณาผู้สมัครทั้งหมดที่นำไปทดสอบ พบว่าจับเป้าหมายได้ 139 จาก 453 ราย หรือ 30.7% 17
18
ตัวเลขสองชุดนี้ตอบคนละคำถาม: 94.7% บอกสัดส่วนโครงการที่มีตัวจับอย่างน้อยหนึ่งตัว ส่วน 30.7% บอกสัดส่วนผู้สมัครที่ทดสอบแล้วได้ผล รายงานยังระบุว่า 15 โครงการได้ตัวจับมากกว่าหนึ่งตัว 18
ขั้นตอนของ MMDesign แบ่งเป็นการสร้างแบบจำลอง การคัดกรอง และการยืนยันผลในห้องปฏิบัติการ แพลตฟอร์มสร้างผู้สมัครในคอมพิวเตอร์หลายหมื่นแบบ จากนั้นประเมินความน่าเชื่อถือของโครงสร้าง ความเป็นธรรมชาติของลำดับกรดอะมิโน และคะแนนที่อิงฟิสิกส์เชิงสถิติ ก่อนคัดเหลือ 9–50 รายต่อโครงการเพื่อทดสอบ โดยมีค่ามัธยฐานอยู่ที่ 21 ราย 17
18
ดังนั้น จุดสำคัญของแนวทางนี้คือการใช้การคัดกรองด้วยคอมพิวเตอร์เพื่อเลือกผู้สมัครจำนวนไม่มากไปทดลอง ไม่ใช่การตัดขั้นตอนทดลองในห้องปฏิบัติการออก และอัตราการจับ 30.7% หมายถึงเฉพาะผู้สมัครที่ถูกนำไปทดสอบ ไม่ใช่แบบจำลองทั้งหมดที่สร้างขึ้น 17
18
รายงานข่าวเดือนตุลาคมระบุว่า MMDesign พบตัวจับสำหรับ GPCR ทั้ง 6 เป้าหมายที่ทดสอบ ได้แก่ CCR7, CCR8, EP2, GPR68, NK3R และ A2AR โดยอัตราการจับของผู้สมัครในแต่ละเป้าหมายอยู่ระหว่าง 12.1% ถึง 100% 17
19
GPCR เป็นโปรตีนที่อยู่บนเยื่อหุ้มเซลล์ และโครงสร้างของโปรตีนกลุ่มนี้อาจเป็นโจทย์ท้าทายสำหรับการสร้างแบบจำลองและการออกแบบด้วยคอมพิวเตอร์ 48 ผลที่รายงานจึงเป็นข้อมูลเกี่ยวกับการทดลองออกแบบกับเป้าหมายหลายชนิด แต่ยังไม่ใช่หลักฐานว่าโมเลกุลเหล่านี้จะใช้เป็นยาได้
ผลที่รายงานชี้ว่า MMDesign สามารถสร้างตัวจับที่ยืนยันผลได้ในหลายเป้าหมาย และครอบคลุมทั้งนาโนแอนติบอดีชนิด VHH กับเปปไทด์วงแหวนขนาดใหญ่ อย่างไรก็ดี อัตราความสำเร็จระดับโครงการ 94.7% ไม่ควรนำไปตีความว่าโมเลกุลที่ออกแบบเกือบทั้งหมดใช้ได้ เพราะอัตราการจับในผู้สมัครที่ทดสอบอยู่ที่ 30.7% 17
18
ข้อมูลข่าวที่มีระบุผลภาพรวมและขั้นตอนการทำงาน แต่ยังไม่ให้รายละเอียดเพียงพอสำหรับประเมินนิยามการทดสอบทุกโครงการ หรือเปรียบเทียบอัตราการจับระหว่างโครงการอย่างตรงไปตรงมา ตัวเลขเหล่านี้จึงควรอ่านในฐานะผลที่มีการรายงาน ไม่ใช่ข้อพิสูจน์ด้านประสิทธิภาพการรักษา ความปลอดภัย หรือความพร้อมเข้าสู่การทดลองทางคลินิก
Studio Global AI
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
รายงานระบุว่า MMDesign พบตัวจับเป้าหมายที่ยืนยันในห้องปฏิบัติการอย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ คิดเป็น 94.7% ของโครงการ
รายงานระบุว่า MMDesign พบตัวจับเป้าหมายที่ยืนยันในห้องปฏิบัติการอย่างน้อยหนึ่งตัวใน 18 จาก 19 โครงการ คิดเป็น 94.7% ของโครงการ ในผู้สมัคร 453 รายที่นำไปทดสอบ พบ 139 รายจับเป้าหมายได้ หรือ 30.7% ซึ่งเป็นคนละตัวชี้วัดกับอัตราความสำเร็จระดับโครงการ
กระบวนการคัดกรองเริ่มจากแบบจำลองนับหลายหมื่น ก่อนเลือกผู้สมัคร 9–50 รายต่อโครงการไปทดสอบ และรายงานผลตัวจับต่อ GPCR ทั้ง 6 เป้าหมายที่ทดลอง