Molence Bio、Mol-1のコードと重みを公開:抗体構造予測は自社報告75%、超大複合体は単一H20のエージェントで組立
新智元の2026年10月31日の報道によると、中国のAI創薬企業Molence Bioは生体分子基盤モデルMol-1を発表し、GitHubでコードと重みを公開した。ベンダーは抗体–抗原構造予測の成功率75%を自己申告し、超大複合体は単一のH20上で長時間動作するエージェントが組み立てるとした。ナノ抗体設計のデータは未公開の内部初期版に由来する。
主な変更
Mol-1はMolence Bioの最初の生体分子基盤モデルで、ベンダーは単一モデルで抗体–抗原、タンパク質–ペプチド、タンパク質–低分子、分子グルーなどの複合体構造予測をカバーし、Mol-1とエピトープ制約付きのMol-1-constraintの2バージョンを同時に提供するとしている。報道で示されたデータは次の通り。 FoldBench-AB抗体–抗原テストセットで、Mol-1の成功率は75.0%、比較対象はIsomorphic Labsの技術レポートにおけるIsoDDEの75.6%だった。エピトープ制約を加えると88.3%に上昇した。ベンダーはさらに32個のランダムシードから201,376通りの5シード組み合わせを列挙し、そのうち62.22%が少なくとも75%の成功率に達し、17.85%が76%を超えた。 ペプチドとタンパク質の複合体については、ベンダーがMolBench-Peptide-26を自作した。これは2026年第1~第3四半期に公開された150件のPDBエントリーに含まれる172個の界面クラスターを対象とする。最も厳しいDockQ>0.80の閾値で成功率は54.1%で、ベンダーによると最良の制約なし比較対象は52.3%、Mol-1-constraintは60.2%だった。分子グルーの高相同性サブセットでは成功率74.6%、報道で2位は40.7%だった。 超大複合体については、Mol-1が駆動する長時間稼働エージェントが単一のNVIDIA H20上で10個の大型複合体を評価し、9個でAnthropicが以前報告した対応結果を上回った。うち8個はTM-scoreが0.9以上で、最大の系は6万残基、120本の鎖、TM-scoreは0.997だった。比較対象は、Anthropicが8台のB300ノードを使い、最大で約1万アミノ酸を高精度に予測した公開研究だ。 ナノ抗体のde novo設計は内部プラットフォームによるもので、報道はMol-1の初期バージョンに基づくと明記している。17個の標的すべてで結合候補が得られ、単一標的のヒット率は最高63%だった。BCMAでは30個のVHH候補のうち12個が結合可能で、最良候補はSPRでKD 43 pMが測定された。4-1BBアゴニスト型VHHは1回の実験フィードバックを経て、2回目の60設計のうち51個が機能活性を示し、ヒット率は約7%から85%に上昇した。CXCR6ではEC50 39 nMでリガンドシグナルを抑制できるアンタゴニストVHHが得られた。配列同一性がわずか54%の2つの抗原に対しては、初回の30設計のうち5個が両方に結合できた。 報道によると、コードと基盤モデルの重みはGitHubで公開されており、Mol-1とMol-1-constraintのオンライン予測サービスも提供している。ローカルに展開すれば、より複雑な予測・設計・エージェントのワークフローを構築できるという。
開発者への影響
この種のモデルの接続方法はチャットモデルとはまったく異なる。入力は配列と構造、出力は座標であり、受け入れ判定はテキストのスコアや人間の感覚ではなく、DockQやTM-scoreといった構造指標で行う。したがって「本番導入できるか」は、実験構造付きのローカルなホールドアウト集合を持っているかどうかで決まる。重み公開の最も直接的な価値は、標的配列を社内ネットワーク内に保持でき、複合体をバッチ実行する際にWebサービスの順番待ちをしなくて済むことだ。ただし、重みの公開はライセンス許諾を意味しない。報道はライセンスに言及しておらず、商用利用や再配布の前にリポジトリで確認する必要がある。 開発者にとって実質的な情報は2点ある。1つは制約モードによる安定した改善(抗体–抗原で75.0%から88.3%、ペプチド複合体のDockQ>0.80が54.1%から60.2%)で、エピトープや界面残基の注釈の有無が結果の質を直接変えることを示す。これはモデル選定ではなく、入力準備の工程を左右する。もう1つは、超大複合体を長時間稼働エージェントが繰り返し予測・組立し、単一のH20で報道の比較を制した点で、スケジューリングとオーケストレーション層が、より大きなモデルへの交換やGPU追加よりも費用対効果が高い可能性を示唆する。 これらの数字は割り引いて見る必要がある。多くの比較はベンダー自作データセットか他者の技術レポートの数値の引用であり、同一環境での再実行ではない。75%はランダムシードに敏感で、5つのシードの組み合わせのうち17.85%が76%を超える一方、約38%は75%に届かない。設計部分は内部の初期版と内部のウェット実験に由来し、公開重みがそうしたヒット率を再現できるという証拠はない。
導入と評価の提案
以下は条件付きの提案であり、報道された事実ではない。 第一に、自前で構築するか、まずオンラインサービスを使うかを決める。報道で変わったのは、コードと基盤モデルの重みが公開され、同時にWebサービスも残っている点だ。標的配列を社内ネットワークの外に出せない場合、複合体をバッチ実行する必要がある場合、あるいは自分でエージェントを組み合わせる場合、自前構築が唯一の選択肢になる。たまに1~2件の構造を確認するだけなら、Webサービスの方が手間が少ない。判断基準には自前のホールドアウト集合を使うことを勧める。実験構造が既にある抗体–抗原またはペプチド–タンパク質複合体を20~50件選び、DockQまたはベンダーの基準で成功率を集計して75%と比べ、同時に複合体あたりのVRAM使用量と所要時間を記録する。再現結果が明らかに低い場合は、モデルを直ちに否定するのではなく、まずバージョン、入力前処理、評価スクリプトの違いを疑う。 第二に、制約モードは既定ではなく、前提条件付きのスイッチとして扱う。報道の改善はFoldBench-ABで75.0%から88.3%、ペプチド複合体のDockQ>0.80が54.1%から60.2%だが、前提としてエピトープや界面残基の注釈が手元にある必要がある。注釈がなければこの経路は使えず、無理に当てはめるのは誤った事前分布を持ち込むことになる。実行可能な受け入れ方法は、自前のペプチド–タンパク質集合で制約ありと制約なしのDockQ>0.80通過率を比べ、差が報道値よりはるかに小さいなら、制約をパイプラインの必須条件にしないことだ。 第三に、超大複合体はまずオーケストレーションを試し、その後にGPU追加を検討する。報道の比較は8台のB300ノード対1台のH20で、差はモデル規模ではなく、エージェントによる反復予測と組立から来ている。適用条件は系が1万残基以上、数十本の鎖以上に達することだ。受け入れ指標は、関心のある5~10個の大型複合体でTM-scoreが0.9に達する個数と総ウォールクロック時間を集計し、1回の直接予測と比べることになる。直接予測で足りるなら、エージェントはコストを増やすだけだ。前提として、リポジトリにこのオーケストレーションのコードが含まれるか確認する必要がある。報道はコードと重みの公開を述べるだけで、エージェント部分を個別に列挙していない。 第四に、ナノ抗体設計をすでに提供済みの能力と見なさないこと。ヒット率と親和性のデータは内部プラットフォームと初期モデル版に由来し、公開されているのは構造予測モデルだ。あなたの路線がde novo VHH設計に依存するなら、まずMol-1を構造検証の部品として使い、親和性の勾配が既知の候補集合で予測構造が正しい順序に並ぶかを見てから、設計ループに組み込むかを決めればよい。
制限と未確認事項
Mol-1は現時点でKimiSeekのモデルカタログにない。報道で言及されたオンラインサービスと重みのダウンロードはいずれもMolence Bio側のもので、KimiSeekはこのモデルの呼び出しを提供しない。報道はパラメータ数、必要VRAMの下限、推論依存関係、ライセンスを示していない。そのため「自前のGPUで動かせるか」と「商用利用できるか」の2つは現時点では答えられず、リポジトリと公式ページを基準にするしかない。 精度の数字はすべてベンダーの自己申告である。一部の比較は他者の技術レポートからの引用で、同一環境での再実行ではない。MolBench-Peptide-26はベンダーが自作したもので、超大複合体の比較対象はAnthropicが以前公開した結果であり、同じ系での並列評価ではない。ナノ抗体部分はベンダー内部研究所のウェット実験結果で、Mol-1の初期版に基づくと明記されており、公開重みとは同一の対象ではない。したがって公開版の設計能力をそこから推測することはできない。報道日は2026年10月31日であり、リポジトリの内容、ライセンス条項、サービスの可用性はその後変更され得る。