2026年9月18日，临床阶段AI驱动的新药研发科技公司德睿智药（MindRank）正式发布生命科学基座模型体系Intera (Intelligence Era)，并公布InteraFold系列首个模型InteraFold-Chem技术报告。
Intera定位于面向疾病理解、机制解析、药物设计与患者研究的生命科学基座模型体系。本次发布的InteraFold-Chem聚焦蛋白质与小分子的结合构象预测，为分子改造、实验验证与研发迭代提供结构依据。
在技术报告所述评测中，InteraFold-Chem的结合构象预测成功率为54.4%，高于本次纳入的Protenix-v2、Chai-1和Boltz-2对照模型[1]。
1.评测中取得三项核心指标最优结果,超越行业头部模型
在技术报告所述筛选规则下形成的445个测试样本上，InteraFold-Chem的结合构象预测成功率为54.4%，较本次对照模型中成功率最高的Protenix-v2（48.5%）提高5.9%。该指标按配体RMSD的2 Å阈值统计预测构象接近实验参考结构的样本比例。
InteraFold-Chem的配体RMSD（均方根偏差）中位数为1.426Å，复合物lDDT（局部距离差异测试）评分为0.924，分别反映配体预测偏差与复合物局部结构一致性。在本次评测设置和参评模型范围内，InteraFold-Chem取得上述三项指标的最优结果，比较结论以本次评测设置和参评模型范围为限。
InteraFold-Chem与参评模型的三项指标对比
构象预测成功率以配体RMSD的2Å阈值评价；配体RMSD在蛋白质对齐后计算。指标定义、样本筛选及评测设置详见技术报告，结论以本次评测范围为限[1]。
2.让结构模型“读懂化学”,理解小分子与靶点的结合方式
候选分子以什么姿态与靶点结合，是药物设计中的关键问题。InteraFold-Chem将原子级化学信息融入全原子结构预测框架，围绕“小分子可能在靶点的什么位置、以何种方式结合”开展建模，为分析构效关系与提出分子改造方案提供结构依据。
这些预测可用于分析分子与结合口袋的空间关系，帮助研发人员提出可供合成与实验检验的设计假设。技术报告同时披露了强化学习探索版本InteraFold-Chem-RL，其各项评测表现见图1。
在裂解性转糖苷酶与抑制剂复合物的回顾性案例中（PDB编号：8GFD），InteraFold-Chem预测的配体构象与实验参考结构之间的RMSD为1.10Å，低于本次采用的2Å成功判定阈值，较好地还原了该案例中配体的结合位置与构象。
8GFD复合物实验结构与各模型预测结构对比
各面板独立展示，定量比较以蛋白质对齐后的配体RMSD为准。本图为回顾性案例展示[1]。
3.面向疾病到患者的生命科学基座模型体系Intera
Intera寓意“智能时代”(Intelligence Era),也呼应对分子相互作用(Interaction)的探索。该体系以Disease、Mechanism、Medicine与Patient为研究框架，通过系列模型的协同，逐步拓展疾病理解、机制解析、药物设计与患者研究能力。
在这一体系中，InteraFold面向靶点与不同药物模态的结合模式研究，本次发布的InteraFold-Chem聚焦小分子。规划中的InteraDesign面向分子生成与设计，InteraBio面向生物学理解。
公司计划于2026年第四季度推出InteraFold-Chem在线服务，支持蛋白质与小分子结合构象预测研究；并于2026年第四季度陆续推出抗体–抗原复合物结构预测模型InteraFold-Ab及多肽–蛋白质复合物结构预测模型InteraFold-Peptide等模型。
4.以真实药物研发积累支撑基座模型迭代
InteraFold-Chem的发布，是德睿智药在AI for Science（AI4S）领域持续推进底层模型研发的重要进展。其应用将依托公司在分子发现、实验研究与临床开发中的长期积累。
过去5年，德睿智药依托既有AI平台与研发体系，围绕GPCR等靶点，以及分子胶、别构调控和双靶点等难成药药物研发方向开展研究，取得了7个临床前候选化合物（PCC）、2条临床管线等阶段性成果。其中，自研GLP-1RA口服小分子MDR-001从立项到启动Ⅲ期临床试验，用时约4.5年。
德睿智药将依托临床研发积累，探索临床数据对疾病机制研究与药物设计的反馈作用，逐步构建临床数据反馈闭环(Clinical Data-in-the-Loop)，推动Intera生命科学基座模型体系与真实药物研发相互促进。
从理解生物学，分子相互作用出发，在真实药物研发中持续验证，以患者获益为目标，是Intera面向的未来。
技术报告下载：https://intera.mindrank.ai/interafold-chem-report.pdf
参考资料：
[1] 德睿智药. InteraFold-Chem技术报告：InteraFold-Chem: Integrating pretrained ligand representationsfor protein–ligand pose prediction
热门跟贴