【首發】微元合成完成3億元A+輪融資，聯合斯坦福大學等在ICLR2026發布AI生物計算開放合作平臺PoseX

動脈網第一時間獲悉，近日，微元合成（MicroCyto）宣布完成3億元 A+輪融資，河南投資集團匯融基金和譚瑞清先生參與本輪融資。此前，河南投資集團已經完成AI基礎設施產業的深度布局，從投資芯片到控股超大規模算力，再到全面整合HALO資產（Heavy Assets, Low Obsolescence），為AI在各場景應用的落地提供充足的電力+算力支持。譚瑞清先生為復旦大學校董、校友會副會長，復旦大學化學系校友會會長，化工行業A股知名上市公司龍佰集團聯合創始人、前任副董事長，河南銀泰投資有限公司、河南銀科國際化工有限公司董事長，深耕化工行業三十余年，系該領域知名化工專家、企業家及投資家。本輪融資將助力微元合成持續拓寬 AI 生物計算的應用邊界，加大核心技術研發投入與場景化落地，進一步強化公司在 AI 賦能生物制造領域的技術領先優勢與行業領導地位。

2026年1月，微元合成聯合斯坦福大學、普林斯頓大學、北京大學、字節跳動、NVIDIA等全球知名科研機構，在人工智能頂級學術會議ICLR 2026上發表了最新成果PoseX，并受邀將在ICLR2026就PoseX做專題學術報告，這是一個面向全球科學家的開放式協作平臺，旨在解決真實場景下的分子對接難題，對不同對接算法和模型給出最公平和最真實的能力評估，為生物制造、生物基材料及工業酶設計提供最堅實的數字化底座。

01

引言：從經驗走向理性，生物制造的“數字基石”

在生命科學進入“按需設計”的合成生物學時代，如何精準地預測一個分子（配體）與蛋白質（受體）的結合模式，就像是在微觀世界里尋找一把開啟生命工廠大門的“鑰匙”。這一過程被稱為“分子對接”（Protein-Ligand Docking）。

過去，這項工作主要依靠科學家的經驗或計算成本高昂的物理計算模擬。然而，生命系統的復雜性往往超出預期：蛋白質不是靜止的鎖，而是不斷變換形狀的“果凍”。如何在蛋白質結構動態變化的情況下，依然精準地預測分子和蛋白的結合模式？ 這是生物醫藥研發和工業酶工程中公認的“深水區”挑戰。

PoseX 的發布將加速突破傳統分子對接方法在動態蛋白場景下的局限，以 AI 驅動的精準預測能力攻克這一長期困擾行業的核心難題，讓按需設計分子與蛋白結合成為現實，為合成生物學、新藥研發與酶工程帶來底層技術革新。

02

行業痛點：為什么“實戰”對接這么難？

在分子對接領域，存在兩種場景：

1. Self-docking：把共晶結構中的配體拿出來，再塞回它原本那個完美適配的口袋。這就像拿著拼圖最后一塊去填空，只要形狀對了一切都好說；

2. Cross-docking：手里只有蛋白和配體A共結晶時的構象，要把配體B塞進去；側鏈要轉動，骨架要呼吸，口袋形狀可能完全重塑——這才是酶設計和藥物研發的真實戰場；

長期以來，工業界缺乏一個統一的、高質量的基準來評估各類算法在“跨構象”場景下的表現。許多在實驗環境下表現優異的算法，一到真實場景就紛紛折戟。PoseX 的出現，正是為了定義“實戰標準”，研究中不僅構建了專門針對Cross-Docking的高難度數據集，還一口氣對24種主流方法（從老牌Glide、Autodock Vina到當紅炸子雞AlphaFold3，Boltz，Chai）進行了殘酷的"大逃殺"。

為什么Cross-Docking如此困難？原文Figure S12給出了一個生動案例：當配體YI8從其共晶結構8V6Y轉移到蛋白8V71時，發生嚴重的空間沖突——配體原本完美適配的位置，在新蛋白構象中被側鏈"堵死"了。所有物理方法在此case上全軍覆沒（RMSD ≥ 2?），而SurfDock和AlphaFold3成功預測了正確pose。

03

深度解析：PoseX 平臺的技術突破

作為微元合成布局“AI+合成生物”的重要一步，PoseX 平臺展示了極其專業的深度與廣度：

■1、填補空白：全球首個大規模cross-docking benchmark

PoseX 分別構建了一個包含718 個樣本點的self-docking數據集和1312 個樣本點的cross-docking數據集。這是目前全球最貼近真實研發場景、數據質量最高的開源對接評測平臺，解決了以往基準數據單一、泛化性差、偏離實際應用場景的問題。

■ 2、算法全覆蓋：AI 與物理方法的“巔峰對決”

我們在 PoseX 平臺上集成了 24 種代表性算法，涵蓋了三大流派：

● 物理方法： 如行業標桿 Schr?dinger Glide，MOE，Discovery Studio等；

● AI 對接方法：如基于深度學習的 DiffDock，SurfDock 等；

● AI 共折疊方法：如震驚業界的 AlphaFold3和RoseTTAFold-All-Atom，Boltz，Chai等。

■ 3、核心發現：AI 算法首次全面超越傳統物理方法

在 PoseX 的嚴苛測試下，我們得出了具有里程碑意義的結論：頂尖的 AI 對接方法（如 SurfDock）和共折疊方法（如 AlphaFold3），在處理最具挑戰性的跨構象對接任務時，其準確率和穩健性已全面超越了統治行業數十年的物理模型。這一發現為工業界全面轉向“AI 原生”的研發流程提供了強有力的理論依據。

3.1 總體排名：誰是Cross-Docking之王？

self-docking評測結果與cross-docking評測結果

三個關鍵結果：

● AI全面領先：Top 9方法中，5個是AI Docking，4個是AI Co-folding；

● SurfDock一騎絕塵：比第二名Uni-Mol高出近8個百分點，且運行速度極快（10.8秒/樣本）；

● 物理方法明顯落后：最好的GNINA也只有54%左右，與AI頂尖方法差距約20個百分點。

3.2 深度挖掘：AI是真懂結合，還是在"背題"？

為了進一步分析AI模型的泛化能力，研究中還分析了評測數據與訓練數據之間的口袋相似性對于各個模型的影響。無論口袋怎樣，基于物理的方法總能保持著比較穩定的預測結果（這是物理方法的獨特優勢）。而大部分 AI 的方法，如：DiffDock、AlphaFold3 等在全新口袋上表現斷崖式下跌。值得注意的是 SurfDock 在AI方法中展現出最好的泛化性，即使是在未知口袋場景中，預測結果也要優于基于物理的對接方法。

PoseX-SD上按照pocket相似度排序的評測結果

PoseX-CD上按照pocket相似度排序的評測結

3.3 Pocket信息的作用

研究中發現顯式建模結合口袋能顯著提升對接性能。當前的AI Co-folding方法（如：AlphaFold 3、Chai-1 等）是盲對接，不需要指定口袋。在指定口袋信息的場景下SurfDock 以77.0%的最高成功率勝出，其次是 UMD V2，這些方法受益于口袋信息來處理跨構象變化，其性能優于基于物理的方法。而在盲對接賽道中，AlphaFold3 以68.8%的成功率領先其他模型。

指定口袋/不指定口袋信息在PoseX-CD的對接評測結果

指定口袋/不指定口袋信息在PoseX-CD的對接評測結果

3.4 Relaxation帶來的增益

在蛋白-配體對接領域，AI方法雖然速度驚人、RMSD表現突出，但有時生成的結合姿勢會存在分子內/分子間碰撞（clashes）等問題。針對這一領域痛點，PoseX 研究中提出了一套高質量Relaxation（能量最小化）后處理模塊，基于OpenMM實現全自動化能量優化與短時分子動力學模擬，智能修復蛋白與小分子的結構細節。在結合Relaxation后，SurfDock在PoseX自對接（PoseX-SD）數據集上成功率達到78.0%，在更具挑戰的交叉對接（PoseX-CD）數據集上達到77.0%，雙雙創下基準SOTA。通過Relaxation，對接結果的物理有效性顯著改善，AI預測結果從“看起來像”真正變成“物理上站得住腳”。

04

應用前景：加速生物基產品的“從 0 到 1”

PoseX 平臺的發布，不僅為全球蛋白-配體對接領域樹立了新的標準化評測標桿，而且正迅速轉化為微元合成在合成生物學工業化的核心競爭力。

■ 高效酶進化與“超級催化劑”設計

在酶工程領域，準確捕捉酶與底物在不同構象下的動態交互是核心瓶頸。PoseX篩選出的高精度AI算法，能精準模擬蛋白構象變化（Cross-Docking場景），幫助我們快速設計出耐高溫、高轉化率、高選擇性的“超級酶”。原本需要數輪濕實驗迭代的定向進化過程，如今在數字空間內即可完成高效篩選與優化，極大縮短了從實驗室到工業發酵罐的轉化周期。

■ 代謝路徑優化與高價值生物基產品開發

針對各類高附加值產品的生產，PoseX可精準定位最優代謝網絡中的關鍵酶-底物或酶-中間體節點，結合pocket信息指導和Relaxation姿態精煉，實現代謝重構與瓶頸解除。無論是上游路徑設計還是下游產物純化，PoseX都讓“分子級優化”與“工業級放大”無縫銜接，推動產量、純度和成本指標的突破性提升，讓原本漫長的產品開發周期加速落地。

■ 顯著降低研發成本與風險

傳統濕實驗篩選往往耗時數月、成本高昂，而PoseX驅動的AI模擬+物理后處理，可將這一過程壓縮至數天至幾周內完成。這不僅大幅提升了生物制造的研發投入產出比（ROI），還顯著降低了失敗風險，讓更多創新想法從“概念驗證”快速走向“工業應用”。

05

結語：致敬科學，擁抱未來

本次 PoseX 的發布，是微元合成生物計算團隊與全球頂尖學術力量深度協同的成果。文章被 ICLR 2026 接收，不僅是對微元合成AI模型和算法能力的認可，更是對我們“用 AI 重新定義生物制造”愿景的肯定。

未來，微元合成將繼續秉持開放合作的精神，通過 PoseX 等一系列數字化平臺，與全球合作伙伴共同探索生命科學的無盡前沿，用更綠色、更智能的方式，為人類創造更美好的物質生活。

如果您想對接文章中提到的項目，或您的項目想被動脈網報道，或者發布融資新聞，請與我們聯系；也可加入動脈網行業社群，結交更多志同道合的好友。

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業信息和數據，均由受訪者向分析師提供并確認。