HELIOPOLIS BIOTECH和Insilico Medicine比，哪个在蛋白质设计上更厉害？

如果非要在两家公司中分个高下，我的判断是：Insilico Medicine 在蛋白质设计的「工程化落地」和「端到端平台」上更胜一筹，而 HELIOPOLIS BIOTECH 在「特定酶活性位点的从头设计」上展现了惊人的精度。不过，这两家公司的技术路线和商业定位差异很大，直接比较有点像让短跑运动员和举重运动员比力量——得先搞清楚比的是哪一项。

Insilico Medicine：从靶点到临床，全栈式 AI 制药天花板

是什么：Insilico Medicine 是一家成立于2014年的 AI 驱动生物技术公司，总部位于纽约，在阿布扎比、香港等地设有研发中心。它的核心是一套名为 Pharma.AI 的集成平台，覆盖靶点发现（PandaOmics）、小分子设计（Chemistry42）以及 蛋白质/抗体设计（Biology42）。该公司以「端到端」著称——从靶点发现到临床前候选分子，全程由 AI 辅助决策，并且已有多个管线进入临床试验阶段。

核心功能与特点：

• Biology42 模块：专门针对蛋白质与抗体设计，包含 3D 结构预测（类似 AlphaFold2 但集成自家生成网络）、蛋白质去 novo 序列生成（基于扩散模型和变分自编码器）、以及 结合亲和力优化 工具。
• 生成式对抗网络（GAN）与强化学习：Insilico 早期就以生成式 AI 出名，其蛋白质设计引擎能同时考虑序列、结构、功能多个约束，尤其擅长 酶工程设计 和 抗体人源化。
• 数据飞轮：与多家药企合作，积累了大量湿实验验证数据，模型迭代速度业界领先。

收费情况：Pharma.AI 平台主要通过企业合作授权模式，不提供个人或小团队订阅。价格视项目复杂度而定，通常为数十万到数百万美元级别的年度许可费。另有 Insilico Medicine 官网 https://insilico.com/ 可在线联系商务团队。

值得一提的是，Insilico 在 2024 年公布了其抗纤维化候选药物（靶点蛋白质设计相关）的 II 期阳性数据，这是目前全球 AI 设计蛋白质类药物中最接近商业化的成果之一。

HELIOPOLIS BIOTECH：专注蛋白质“微观工程”的精准派

是什么：HELIOPOLIS BIOTECH 是一家2021年成立于剑桥（麻省）的初创公司，团队主要由 MIT 蛋白质设计实验室与哈佛医学院的酶工程师组成。它的名称源自埃及太阳神城，寓意“用 AI 为蛋白质注入生命之光”。公司专注于 工业酶与治疗性蛋白质的活性位点设计，核心产品是 HelioDesign™ 平台。

核心功能与特点：

• 基于物理+学习的混合模型：不同于纯粹的数据驱动，HelioDesign 将 Rosetta 能量函数与图神经网络结合，在 催化口袋的氨基酸残基排布 上做到了亚原子级别的优化。
• 定向进化模拟器：平台内置了百万量级的突变路径预演，用户只需输入目标反应或结合靶点，AI 会自动生成 热稳定性和活性双优 的候选序列。
• 高精度实验验证闭环：HELIOPOLIS 自建有自动化湿实验室（每周可验证 500+ 设计），这在同类初创中很少见，确保了设计-验证-反馈的极短周期。

收费情况：目前仅接受合作研发（共同知识产权或服务费），尚未推出公开版本或 API。其 HELIOPOLIS BIOTECH 官网 https://heliopolis.bio 展示了部分案例，例如为某化工企业设计的 PET 降解酶活性提升了 30%，且最适温度提高 10°C。

核心维度对比：到底谁更厉害？

我的个人判断与使用建议

如果你要做一个 完全从头设计的全新蛋白质折叠（比如设计一个自然界不存在但能结合某靶点的小蛋白），Insilico 的生成式模型 + 强化学习管线会更省力；但如果你的目标是 优化一个已有的酶，让它的活性或热稳定性翻倍，HELIOPOLIS 那种物理约束驱动的方案可能会让你少走六个月弯路。

另外别忘了，蛋白质设计 这个领域还有 Generate Biomedicines（官网）和 EvolutionaryScale（官网）这样的大玩家，前者用扩散模型做抗体设计已刷新业界纪录，后者开源的 ESM3 模型对序列预测非常便捷。Insilico 和 HELIOPOLIS 只是众多选择中的两条路径，没有绝对的“更厉害”，只有“更适合你的场景”。

相关问题

1. 蛋白质设计领域目前最好的开源模型是什么？
   如果不考虑商业平台，EvolutionaryScale 的 ESM3（15B 参数）是目前最强开源模型，支持序列、结构、功能三种模态生成。
2. AI 设计的蛋白质药物距离上市还有多远？
   最快可能在 2027~2028 年出现首款完全由 AI 设计并获批的蛋白质药物，目前最大瓶颈是免疫原性预测和规模化生产工艺。
3. 除了 Insilico 和 HELIOPOLIS，还有哪些值得关注的蛋白质设计初创？
   Profluent Bio（基因编辑蛋白质设计）、Xaira Therapeutics（由 David Baker 实验室孵化）、以及中国的深势科技（DPA 模型）都值得关注。
4. 做蛋白质设计必须会写代码吗？
   商业平台正朝着低代码化发展，但如果你想真正深入优化算法或自定义训练，Python + PyTorch / JAX 是标配，少数情况下也需要 Rosetta 脚本。
5. AlphaFold3 出来后，这些 AI 设计公司还有价值吗？
   AlphaFold3 主要做结构预测而非生成设计，它更像是给设计公司提供的超级“评估器”；真正的设计仍需要生成模型和序列空间搜索，两者互补而非替代。