TD3B：引導蛋白質狀態轉移的離散擴散模型，突破 GPCR 促效劑與拮抗劑的精準設計瓶頸

本研究開發 TD3B 框架，利用狀態轉移定向的離散擴散技術，首度達成能精準區分並生成具特定功能方向性（如促效或拮抗）的蛋白質結合劑，克服傳統靜態結構設計的局限。

Problem

傳統基於結構的蛋白質結合劑設計主要優化靜態構象的結合力，難以模擬蛋白質在不同功能狀態間的動態轉移。這導致現有方法無法有效區分並設計出具備特定「促效（Agonist）」或「拮抗（Antagonist）」行為的結合劑，對於極需功能方向性來確保療效的 G 蛋白偶聯受體（GPCR）藥物研發構成障礙。

研究團隊提出名為 TD3B 的序列生成框架，結合了「狀態轉移定向離散擴散」技術。該框架整合了目標感知轉移預測器（Direction Oracle）與軟性結合親和力閘門，並對預訓練的離散擴散模型進行攤銷微調。這種架構能將功能方向性的控制與結合親和力解耦，實現精確的定向生成。

實驗結果顯示，TD3B 在生成特定促效或拮抗行為的結合劑方面，顯著優於基於平衡態或僅具推理引導的傳統基準模型。該模型不僅能維持優異的結合親和力，更能系統化地產生符合預期生物功能的序列，這是在過往推理引導方法中難以達成的目標。

此研究為藥物開發提供了全新的計算工具，特別是在臨床應用價值極高的 GPCR 領域。它讓設計者能超越靜態結構的限制，從功能動態的角度精準調控生物分子的作用方向，對於開發更具精準療效且副作用更低的新藥具有重大影響。