讓AI設計治療用酵素：Profluent與BioMarin合作尋找代謝疾病新藥

對部分遺傳性代謝疾病而言，治療的關鍵是補上失靈的酵素功能；但設計出能執行任務、又足夠穩定的蛋白質，往往需要反覆改造與篩選。Profluent於9月30日宣布與BioMarin合作，將AI蛋白質設計引入這段研發流程，為具有明確遺傳背景的疾病尋找新的治療用酵素。

雙方的分工相當具體：Profluent利用蛋白質語言模型產生並優化候選設計，BioMarin則負責篩選，評估哪些分子值得繼續開發。BioMarin也在官方社群貼文確認合作，將其定位為代謝疾病早期研發的一環，目標是挑出有潛力的候選分子，推進至臨床前模型評估。

蛋白質語言模型的設計材料是胺基酸序列。依雙方公開資訊，Profluent的模型使用名為Profluent Protein Atlas的資料集，收錄超過1,150億條不同蛋白質序列。這個數字描述的是序列資料規模，並不代表同等數量的蛋白質都已通過實驗驗證，更不能直接換算成藥物成功率。

這次合作要探索的，是更廣泛的酵素設計空間。Profluent公告與HLTH於10月1日的報導均指出，研發將尋找具有所需活性與穩定性的候選分子：前者關乎酵素能否執行預期功能，後者則是蛋白質能否維持可用狀態的重要條件。模型提出設計之後，仍由BioMarin的實驗篩選決定哪些值得向前推進。

目前公開資訊尚未列出具體疾病、酵素標的或候選藥物名稱，也未提供活性測量、穩定性比較或疾病模型的療效數據。臨床前測試是篩選後的可能下一步，不能據此認定已有候選藥物完成相關驗證；這次公告也沒有新增人體安全性或療效證據。

合作的意義，在於把計算設計與藥廠的酵素開發經驗接在一起，讓AI提出的分子有明確的實驗評估路徑。它能否縮短研發時間、產生優於既有方案的酵素，仍要靠後續比較回答。即使候選分子通過初步篩選，能否在體內發揮作用、如何給藥，以及是否引發免疫反應，仍是走向臨床時必須處理的問題。