详细介绍
工具简介
Cradle.bio 是一款专为生命科学领域打造的 AI 蛋白质设计平台,其核心理念可以用一句话概括:更好的蛋白质,更少的实验,更快的产品化。与传统依赖高通量筛选和反复试错的蛋白质工程流程不同,Cradle 将强大的预测算法、AI 设计建议与科学家的领域知识结合起来,让研究人员能够在创纪录的时间内设计出性能更优的蛋白质候选分子。平台由一支兼具计算能力和湿实验室经验的团队打造,官方自称是“一家有移液习惯的 AI 公司”,强调其模型不仅“书本聪明”,更经过真实实验数据的检验。
Cradle 的独特之处在于它覆盖了从首次设计到最终蛋白质的完整闭环。科学家可以从一个靶点或自己的序列出发,由平台基于数据和领域知识设计出优化的实验板;随后在效力、可开发性和可制造性等多个维度上并行优化目标蛋白;每一轮湿实验产生的结果又会反馈给 Cradle AI,用于训练定制模型,使下一轮候选分子比上一轮更好。这种“每一轮都从上一轮学习”的机制,让实验结果产生复利效应,而不是每次从头开始。
值得一提的是,Cradle 并不要求用户具备高通量分析能力。官方明确表示,即使只有 96 孔板,也能在轮次之间获得令人印象深刻的结果。这大大降低了中小型实验室和早期项目使用 AI 蛋白质设计的门槛。平台适用于药物、作物、材料等多个领域,覆盖肽、酶、疫苗、抗体等多种模态,无论目标蛋白是否已经存在,都可以在 Cradle 上进行工程化改造。
主要功能
1. 从头设计与序列优化
用户可以从一个治疗靶点出发,也可以直接输入自己的蛋白质序列。Cradle 会结合实验数据与科学家的领域知识,设计出一整块优化的实验板,告诉你在第一轮应该测试哪些候选分子。这解决了传统蛋白质工程中“不知道从哪开始”的难题,把有限的实验资源集中在最有希望的候选上。
2. 多属性并行优化
蛋白质药物或工业酶往往需要同时满足多个相互制约的属性要求。Cradle 允许用户选择要改进的目标,一键生成高质量候选,并并行提升效力、可开发性和可制造性。这意味着科学家不必在亲和力和稳定性之间反复妥协,而是让算法在多个维度上同时寻找最优解,显著压缩达到目标蛋白所需的时间。
3. 每轮实验数据驱动的定制模型
每一轮湿实验室测试的结果都会被用来训练 Cradle AI,构建针对该项目专属的定制模型。第二轮知道第一轮学到了什么,第三轮又知道第二轮学到了什么——结果随实验数据不断累积而改进。这种主动学习式的迭代机制,是 Cradle 区别于一次性预测工具的关键所在。
4. 低通量实验友好
并非所有实验室都拥有高通量筛选设备。Cradle 特别强调,即使只使用标准的 96 孔板,也能在轮次之间取得令人印象深刻的结果。平台通过智能的候选选择和实验设计,把有限的通量用在刀刃上,让资源有限的团队同样能享受 AI 驱动的蛋白质工程红利。
5. 候选潜力可视化与分析
平台提供统一的工作空间,让用户在一个地方可视化、分析和预测候选分子的潜力。换句话说,科学家可以更快地判断哪些候选在现实世界中可能有效,从而做出更明智的推进决策,减少盲目实验带来的浪费。
6. 覆盖多种蛋白质模态
Cradle 支持抗体、酶、疫苗、肽等多种模态。针对抗体,平台致力于成熟、可开发且免疫原性低的候选,即使对 ADC 或多特异性抗体也适用;针对酶,追求在严苛条件下仍能保持活性的催化转化;针对疫苗,关注抗原在实验室外仍能维持构象;针对肽,则强调在小数据集和严格约束下实现效力。
7. 自有湿实验室验证
Cradle 拥有自己的实验室,用真实数据测试模型,并公开分享工作流程、基准测试甚至失败经验。这种透明做法不仅增强了平台的可信度,也帮助整个领域共同进步。
使用方法
- 发起项目咨询:通过官网的“Discuss your project”入口与 Cradle 团队沟通项目需求,确定合作方式。
- 输入起点:提供目标靶点信息或自有蛋白质序列,并补充相关的领域知识和实验约束。
- 生成首轮候选:平台基于数据与算法设计出优化的实验板,给出第一轮建议测试的候选分子。
- 开展湿实验:在自有实验室或合作实验室中测试这些候选,即使只有 96 孔板也可开展。
- 回传数据并迭代:将实验结果反馈给平台,Cradle AI 据此训练定制模型,生成更优的下一轮候选。
- 重复迭代直至达标:多轮循环后,候选分子的各项属性逐步逼近目标,最终获得可用于产品开发的蛋白质。
产品优势
| 对比维度 | 传统蛋白质工程 | Cradle.bio |
|---|---|---|
| 起点选择 | 依赖经验与文献,试错成本高 | 算法基于数据生成优化实验板 |
| 属性优化 | 逐项优化,反复妥协 | 效力、可开发性、可制造性并行优化 |
| 数据利用 | 每轮实验独立分析 | 每轮数据训练定制模型,结果复利 |
| 通量要求 | 往往依赖高通量筛选 | 96 孔板即可获得良好结果 |
| 模态覆盖 | 单一平台常限于特定模态 | 抗体、酶、疫苗、肽全覆盖 |
此外,Cradle 获得了多家知名药企和生物技术公司的合作背书,包括 UCB、Novonesis、Bayer、Hansa Biopharma、Lundbeck 等,相关合作曾被 Bloomberg、C&EN、PharmaVoice 等媒体报道。这些真实世界的合作案例,进一步验证了平台在抗体药物设计、疫苗佐剂生产等场景中的实用价值。例如在疫苗佐剂领域,Cradle 的 AI 被用于在不再砍伐雨林的前提下生产 QS21 佐剂,展示了 AI 蛋白质设计在可持续性方面的潜力。
应用场景
- 抗体药物开发:成熟抗体亲和力、提升可开发性、降低免疫原性,支持 ADC 和多特异性抗体设计。
- 工业酶改造:在高温、极端 pH 等严苛条件下保持催化活性,提升工业生物催化效率。
- 疫苗抗原设计:设计在体外仍能维持正确构象的抗原,提高疫苗稳定性。
- 肽类药物优化:在严格约束和小数据集条件下提升肽的效力。
- 可持续材料与食品:通过 AI 设计替代传统来源的蛋白质,减少对生态环境的依赖。
目标用户
Cradle 的核心用户包括生物学家、蛋白质工程师、抗体发现团队、工业生物技术公司以及学术研究机构。无论是拥有高通量平台的大型药企,还是只有基础实验设备的中小型实验室,都可以借助 Cradle 把 AI 引入蛋白质设计流程。


