不必先解蛋白質結構：Talus開放AI模型Ptarmigan-1供研究者試用

尋找藥物，往往從辨認蛋白質表面可容納小分子的口袋開始。然而，蛋白質在細胞中持續變動，有些區域難以用固定的三維結構描述。Talus Bio於10月1日開放Ptarmigan-1公共平台，讓研究者嘗試直接從蛋白質序列預測小分子的結合位置，為這類難以掌握的標的尋找實驗線索。

Ptarmigan-1早在7月底便已公布；這次的新進展，是研究者可以自行操作。使用者可選擇一個人類蛋白質，搭配平台提供的化合物庫或自行上傳的分子，取得候選分子排名與可能結合的胺基酸位置。目前每次最多篩選一萬種化合物，每日限十次；更大規模的篩選則需與公司直接洽談合作。

它的做法，是把蛋白質中的胺基酸殘基與化合物轉換成同一個256維數學空間中的表示，再學習哪些分子與哪些位置可能發生交互作用。據Talus介紹，背後的實驗資料來自其專有MARMOT蛋白質體平台，包含活人類細胞內的化合物與蛋白質交互作用資訊。介面雖可將預測位置呈現在AlphaFold結構上，三維結構並不是模型進行預測的必要輸入。

公司目前提供的具體例子之一，是與發炎疾病相關的STAT6。7月的技術介紹描述了一項測試：將輝瑞兩件專利中的40種活性分子，混入性質相近、用於比較的誘餌化合物，檢驗模型能否將它們排在前面。Talus稱，這些活性分子未出現在Ptarmigan-1與Boltz-2的訓練資料中；Ptarmigan-1的ROC曲線下面積（AUC）為0.94，分子對接方法與Boltz-2則約為0.58。這個指標反映特定測試中的辨別能力，不能解讀為候選藥物的成功率。模型也將可能的結合位置指向STAT6的SH2結構域上一處淺溝槽。

10月由BioSpace刊載的公司新聞稿，另稱模型找到了新的STAT6結合化合物，並經第三方實驗室驗證。不過，稿件未具名該實驗室，也未提供足以完整評估驗證強度的實驗細節。這項結果與前述專利分子的回溯測試應分開看待；新聞稿的轉載，也不等於另一組研究團隊已獨立重現模型表現。

運算速度是Talus主打的另一項優勢。公司宣稱，模型可在一天內將34億種化合物對人類蛋白質進行篩選，速度達結構方法的五千倍。這些數字屬公司公布的效能主張，也不是公共平台目前提供的使用額度。對藥物研發而言，更實際的問題是：快速產生的候選名單，能否提高後續實驗找到有效分子的機會。

Ptarmigan-1的訓練使用的是交互作用有無的二元標籤，而非結合親和力測量。因此，預測分子可能結合某個位置，仍無法直接回答它結合得多強、是否改變蛋白質功能，或能否安全地成為藥物。公共平台讓更多研究者有機會檢驗各自的標的與化學系列；接下來需要的，是跨標的的前瞻性實驗、獨立重現與同儕審查，才能判斷這條不依賴三維結構的路徑能走多遠。