AI藥物設計轉向難攻靶點：MitoCareX Bio與Boltz合作尋找SLC小分子

細胞膜上的轉運蛋白像一排精密閘門，決定養分、離子與代謝物如何進出細胞；其中SLC家族與多種疾病相關，卻長期因結構資訊不足、構形變化複雜，成為小分子藥物開發中難以馴服的一群靶點。AI結構設計公司開始把目光投向這裡，反映生醫AI正從展示模型能力，走向更棘手的藥物化學問題。

Nexentis Technologies宣布，由MitoCareX Bio與Boltz展開一項國際AI藥物發現計畫，將以加速新型SLC小分子探索為目標。根據目前公開資訊，這項合作主軸是結合生物靶點知識與AI分子設計能力，協助尋找可能調節SLC蛋白功能的候選化合物。

SLC是「solute carrier」的縮寫，涵蓋數百種負責物質運輸的膜蛋白。它們與代謝疾病、神經系統疾病、癌症與粒線體功能異常等領域都有關聯；但膜蛋白通常較難純化與解析，藥物結合位點也可能隨蛋白構形切換而改變，讓傳統高通量篩選與結構導向設計的成本偏高。

Boltz所代表的AI藥物設計路線，重點在於利用模型預測蛋白、配體與結合構形之間的關係，幫助研究人員在實驗前縮小候選分子範圍。若運用得當，這類工具可在早期探索階段提出更有可能合成、測試與優化的分子假說；但它不能替代濕實驗，尤其不能直接證明藥物活性、安全性或臨床效益。

這也是本案目前最需要謹慎解讀之處。公開訊息尚未提供具體SLC靶點、疾病適應症、資料集來源、模型驗證結果、候選分子數量或實驗里程碑，因此較適合視為一項早期研發合作，而不是候選藥物已被確認的進展。對嚴肅的藥物開發而言，真正關鍵仍是後續能否拿出可重現的結合數據、細胞功能測試，以及動物或臨床前安全性證據。

近來生醫AI在抗體、奈米抗體與小分子設計中快速擴張，但產業也逐漸意識到，模型預測若缺少共同基準與實驗驗證，很容易停留在漂亮的分子圖像。SLC這類難攻靶點提供了更嚴格的試金石：AI不只要生成看似合理的化合物，還要面對膜蛋白構形、細胞運輸功能與藥物可開發性的多重限制。

若MitoCareX Bio與Boltz的合作能把AI設計推進到可測量、可迭代的實驗資料，它將為SLC藥物開發增加一條可能路徑；若缺乏透明的驗證結果，則仍只是眾多AI藥物發現合作中的早期宣示。此刻的意義，正在於產業把模型能力投向更接近臨床需求、也更難被簡單演示說服的生物學問題。