de.wedoany.com-Bericht: Xu Jinbo, Gründer von MoleculeMind, hat auf dem 2026 Shanghai Guotou Frontier Forum offiziell der Industrie das selbst entwickelte KI-native Bioökonomie-Betriebssystem MoleculeOS (MOS) zugänglich gemacht. Das System ist als KI-Betriebssystem für die biologische Forschung konzipiert und zielt darauf ab, die Rolle der Künstlichen Intelligenz von einem reinen „Prädiktor" für Einzelfunktionen zu einem „Organisator" des Forschungsprozesses zu wandeln. Das traditionelle, auf „Screening und Trial-and-Error" basierende Modell der Molekülentdeckung wandelt sich hin zu einer deterministischeren „Molekülkreation", und die Infrastruktur für Forschung und Entwicklung im Biologiebereich wird neu definiert.
MoleculeOS nutzt Projektziele als Einstiegspunkt, kann die biologischen Absichten der Anwender eigenständig verstehen, Aufgaben automatisch zerlegen und das interne Modell-Cluster koordinieren, um Aufgaben wie Strukturvorhersage und Moleküldesign auszuführen. Es liefert letztlich Entscheidungsvorschläge und hinterlegt nachvollziehbare Forschungsketten. Die zugrundeliegenden Fähigkeiten stammen aus dem von MoleculeMind selbst entwickelten Modellsystem, darunter das multimodale Protein-Basismodell NewOrigin (Darwin), das Vollatom-Makromolekül-Komplex-Strukturvorhersagemodell MMFold sowie das generative Designmodell MMDesign für Nanokörper, Enzyme und funktionelle Proteine.
In Bezug auf technische Kennzahlen erreichte das MMFold-Modell im FoldBench-Test eine Vorhersageerfolgsrate von 68,6 % für 172 Antikörper-Antigen-Schnittstellen. Seine Plattform für das De-novo-Design von Antikörpern erzielte bei Tests an 12 Targets, bei denen pro Target nicht mehr als 50 Kandidatenmoleküle getestet wurden, eine Target-Erfolgsrate von über 90 %. Diese Modelle sind in MoleculeOS keine isolierten Werkzeuge, sondern werden einheitlich organisiert, um eine auf die endgültigen Forschungsziele ausgerichtete Gesamtanalyse zu ermöglichen.
Im traditionellen Forschungsprozess umfasst die Aufgabe des Makromoleküldesigns mehrere Schritte wie Target-Analyse, Sequenzmodellierung und Strukturvorhersage, die über verschiedene Werkzeuge und Teams verteilt sind und manuelle Koordination erfordern. MoleculeOS macht die „Forschungsabsicht" zum Systemeinstieg. Forscher können direkt Ziele wie die Erhöhung der Antikörperaffinität vorgeben, und das System koordiniert automatisch die Modelle, um die systemischen Aufgaben zu erledigen. In einem Projekt zur Optimierung von Immun-Checkpoint-Antikörpern wurde die traditionell benötigte Zeit von mehreren Wochen auf wenige Stunden verkürzt. Jede vollständige Kette von der Forschungsabsicht bis zur Schlussfolgerung wird vom System automatisch als strukturiertes Forschungs-Asset hinterlegt und kann von nachfolgenden Projekten genutzt werden.
Xu Jinbo ist einer der frühen Forscher auf dem Gebiet der Proteinstrukturvorhersage. Seine 2016 vorgeschlagene Methode RaptorX-Contact demonstrierte als erste die Wirksamkeit von Deep Learning bei der Verbesserung der Genauigkeit der Proteinstrukturvorhersage. Er ist der Ansicht, dass sich der Kern des Wettbewerbs in der KI-Biotechnologie von der Fähigkeit einzelner Modelle hin zu systemischer Forschungsinfrastruktur verlagert hat und der Schlüssel darin liegt, „genauer Moleküle zu generieren, die eine experimentelle Validierung wert sind".
Vor der offiziellen Freigabe diente MoleculeOS bereits als interne Engineering-Plattform von MoleculeMind zur Unterstützung mehrerer Projekte für innovative Arzneimittel und Bioproduktion. MoleculeMind plant, in Zukunft weitere Modellfähigkeiten und intelligente Forschungsmodule freizugeben, um die skalierte Anwendung dieses Betriebssystems in Bereichen wie innovative Arzneimittel, Bioproduktion und synthetische Biologie voranzutreiben.
