Hansa与Cradle合作引入AI蛋白设计：把候选优化接回实验数据，研发结果尚未公布
2026年10月1日，Hansa Biopharma宣布与Cradle合作，将后者的AI蛋白设计与工程平台用于发现管线，支持新候选的设计、优化和推进。双方希望面向严重自身免疫性疾病开发新的治疗候选；公告披露的是研发合作和平台部署，没有公布由此获得的临床结果。
选择平台的重点是实验循环
Hansa列出三项选择理由：从命中识别开始覆盖发现流程，同时优化多种工程目标，以及从Hansa自己的数据中主动学习。公司将其放在实验室持续参与的循环中，而不是把模型的一次生成当作研究终点。
按Cradle公开的平台说明，研究人员可以导入实验数据，查看数据质量，再生成候选并将后续测量回传。系统为项目调整模型，形成设计、实验和下一轮学习相连的流程。这里描述的是平台机制，并非本文独立验证的性能结论。
AI模型生成的概念示意图，表现候选设计、实验与数据反馈循环，并非真实蛋白结构、实验读数或治疗效果图。
多目标优化需要看清各项约束
蛋白工程常常需要同时考虑多种性质。Cradle把活性、稳定性和表达等列为可共同优化的目标，尝试在同一轮设计中处理它们的取舍，而不是只追求某一个分数上升。
以下是本文的解释性示例，并不对应Hansa的具体实验。如果一个候选某项指标很好，另一项却未达到项目要求，综合平均分可能掩盖这项缺口。评价工作更适合保留每项指标及条件，再检查是否同时满足目标。
主动学习也依赖能被正确解释的数据。两轮实验若更换了测量条件，只把数值拼在一起，模型可能学到条件差异。因此，实验编号、样本对应关系和测量背景，应与结果一同保留。
平台功能与合作成果不能互相替代
Cradle公开介绍了网页界面、API、数据模式配置、项目权限和操作追踪等功能。这些能力有助于把计算和实验团队放进同一工作流程，但当前公告没有披露Hansa使用的具体配置、商业费用或内部验收标准。
合作稿同时提到其他客户报告过研发时间缩短的情况。那些数字不能直接换算成Hansa项目预计节省多少时间，更不能据此推导出临床成功率；本次合作自己的测量结果仍需后续披露。
对读者而言，后续有用的证据应包括明确的项目阶段、比较基线、实验轮次和筛选标准。只有知道原来怎样做、现在改变哪一步，才能判断所谓加速发生在候选生成、实验安排还是结果分析环节。
研究团队还需要区分预测与验证：模型可以提出值得检查的方向，候选是否达到要求，要看实验以及更后续的研发评价。平台名称、合作规模和候选数量都不能代替这些证据。
此次合作体现的是把AI接入连续研发流程的做法。它的价值需要在每轮数据如何改善下一轮决策中逐步体现，而目前公开材料足以确认的是合作范围和技术路径，尚不足以确认新疗法的效果。
资料核对日期：2026年10月2日。本文为科技研发资讯，未提供医疗建议或实验操作方案。
