随着机器学习能力的不断提升，人工智能驱动的药物发现领域持续扩展。模拟两个相互嵌合分子间的复杂相互作用曾是看似不可思议的任务，但这正是药物设计师需掌握的关键信息，也是Charm Therapeutics通过其DragonFold平台旨在实现的目标。
蛋白质折叠与药物靶点理解
蛋白质是体内功能的主要执行者及最常见的药物靶点。产生药效的前提是深入理解靶点，特别是氨基酸链在不同条件下的“折叠”方式。
过去这依赖耗时复杂的X射线晶体学方法，但如今AlphaFold和RoseTTAFold等机器学习模型已能在数秒内产出同等精度的结果，将周期从数月缩短至瞬间。
DragonFold：首创蛋白质-配体共折叠算法
即便已知蛋白质在常规条件下的折叠状态，预测其与其他蛋白质或新型设计分子的相互作用仍是巨大挑战。当蛋白质遇到兼容配体时，微小变化可能引发级联反应并重构整体结构，从而打开通道或暴露新表面以激活其他蛋白。
Charm Therapeutics首席执行官兼联合创始人Laskh Aithani表示：“我们的创新在于构建了DragonFold，这是首个蛋白质-配体共折叠算法。”
他强调，设计能紧密且选择性结合致病蛋白（避免误伤正常功能蛋白）的药物至关重要。明确药物与蛋白结合的精确三维形状，有助于对配体进行精准修饰，提升结合紧密度与选择性。
如示意图所示，绿色小分子与紫色蛋白质的契合方式非直观可测。高效模拟这一过程可辅助筛选数十亿种分子，优化早期候选药物识别流程，大幅减少后续实验验证的必要性。
顶尖团队与融资进展
为实现该目标，Aithani邀请RoseTTAFold设计者之一、华盛顿大学知名实验室负责人David Baker担任联合创始人。Baker在学术界与工业界均享有盛誉，曾于2020年获300万美元突破奖，并在证明算法预测结构能力后，进一步证实其可“幻觉”出功能性新蛋白。
核心团队还包括DeepMind资深人士Sergey Bartunov（AI总监）及前制药研究负责人Sarah Skerratt（药物发现主管）。
公司完成5000万美元A轮融资，由F-Prime Capital和OrbiMed领投，General Catalyst、Khosla Ventures、Braavos、Axial及Grep VC参投。资金不仅用于构建表征能力，更将推进至积极确认有效药物的新阶段。
内部研发策略与行业前景
Aithani透露：“模型初始版本已通过计算机模拟验证，未来几个季度将进行实验性验证。该产品主要用于内部研发，助力科学家发现公司拥有100%权益的药物。”
若DragonFold表现符合预期，将大幅减少传统湿实验室对成千上万候选分子的筛选量。这意味着中小型实验室也有望以较低成本锁定高价值药物，打破大型药企的资金壁垒。
鉴于新药研发的丰厚回报，此类投资并不意外。相比大型生物技术公司的研发预算，数千万美元投入占比极小，一旦成功即可获利颇丰。AI技术正显著缩短研发周期，预计首批候选药物消息不久后将陆续公布。