摘要
Anew Labs 打造了一套面向生物分子结构预测与设计的 AI 模型——AnewFold、Protenix 与 SeedFold，三者各有侧重、互为补充：AnewFold 将预测能力推向业界前沿，Protenix 是对 AlphaFold3 的开源复现与扩展，SeedFold 则揭示了折叠模型的规模化（scaling）规律。三者共同构成从理解分子结构到设计新药候选的完整路径。
AnewFold
- 是什么：Anew Labs 自研的全原子基座模型，面向最难的生物分子复合物相互作用预测场景。
- 更强的预测能力：在抗体-抗原、蛋白-配体等最难的复合物预测上达到业界最佳；对缺乏同源结构的新颖靶点优势尤为明显，大幅领先 AlphaFold3 及其他开源模型。
- 独特的口袋发现：不止于结构预测，还能定位结合口袋，包括常规结构中看不到的别构口袋与隐蔽口袋。
- 闭环设计：与 AnewAffinity 衔接，打通从结构预测到结合亲和力评估的端到端药物设计闭环；技术报告即将发布。
图 1. AnewFold 在 FoldBench-AB、PXMeter-AB、AF3-AB 三大抗体-抗原预测基准上排名第一（DockQ > 0.23 成功率）。
敬请期待
Protenix
- 是什么：首个对 AlphaFold3 进行完整复现、并将全部资源开放给社区的模型。
- 开源模型：除 Protenix-v2 的模型权重应为闭源外，其他模型权重、推理代码、训练代码全部以宽松许可（Apache 2.0）开放，打破 AlphaFold3 的使用壁垒，并修正了其原始实现中的问题。
- 开箱即用：提供公开在线服务，无需本地部署即可进行结构预测与结合物设计。Protenix-v2 进一步增强了抗体等复杂结构的预测能力。
图 2. Protenix 在开源体系下复现 AlphaFold3 并持续进化。
SeedFold
- 是什么：系统回答结构预测模型应如何规模化（scale up）的新一代折叠模型。
- 加宽优先于加深：证明加宽 Pairformer 而非简单堆叠更多层数，是有效的规模化路径。
- 高效注意力：提出线性三角注意力，将复杂度从三次方降至二次方，让更大规模模型可负担。
- 蒸馏扩展数据：构建大规模蒸馏训练集，在 FoldBench 多数任务上超越 AlphaFold3。
图 3. SeedFold 阐明生物分子折叠的 scaling 规律并登顶 FoldBench。