AI 生物 8-28 三国杀 —— 腾讯 UniPert-G2CP 上《Cell》主刊 + Harvard AGENTEX 扩氨基酸表到 34 种 + 韩国 KAIST K-Fold 25 倍速挑战 AlphaFold3

关键判断：2026 年 8 月 28 日这天，AI 生物出现了**「中国 + 美国 + 韩国」三国 + 「虚拟细胞 + 蛋白质扩展 + 结构预测加速」三条线同框的科学拐点。腾讯 AI for Life Sciences 实验室 + 中南大学李敏团队的 UniPert-G2CP 被《Cell》主刊收录，国内首个 AI 虚拟细胞主刊成果，MoA 分类准确率 +14.4%、用 20% 化学训练数据预测精度 +375.4%；哈佛医学院 George Church 团队（Felix Radford 一作）在 Nature 发表 AGENTEX，把蛋白质设计的氨基酸表从天然 20 种扩展到 34 种，通过改造转运 RNA（tRNA）实现无细胞系统的高通量自动化遗传密码原型构建**；韩国 KAIST 发布 K-Fold 模型，速度比 AlphaFold3 快 25 倍，7B + 2B 双模型 Apache 2.0 开源，韩国「AI 专项基础模型」国家计划的旗舰生物 AI 成果。三国三线，三件事合在一起 = AI 生物从「单点突破」位移到「工程化栈」。

🧬 一、腾讯 UniPert-G2CP —— 国内首个 AI 虚拟细胞登上《Cell》主刊

2026-08-28 国内 AI 制药领域最大的新闻：腾讯 + 中南大学李敏团队的 UniPert-G2CP 被 Cell 收录，国内首个 AI 虚拟细胞主刊成果。

为什么要做虚拟细胞？

过去十年 AI 在药物研发的突破（AlphaFold、分子生成、QSAR/ADMET、DiffDock）都有一个共同的盲区：建模对象是化合物或化合物-单一蛋白靶点，几乎不考虑化合物进入真实细胞后的下游效应。

真实世界中一个被 AI 预测为「高亲和力 + 良好 ADMET + 类药性优秀」的化合物，仍然可能在 BT474 乳腺癌细胞里完全无效，在 MCF7 中却产生显著的转录组扰动。因为这两类细胞的下游通路、基因表达谱、突变背景完全不同。

Tufts 等多项研究指出：一个新药从立项到上市的平均成本约 26 亿美元，研发周期 10 到 15 年，而临床二期的成功率长期低于 30%。大量在分子层面「看起来很好」的化合物，到了细胞和病人身上就失效。

UniPert-G2CP 的双阶段设计：

关键数据：

与已发主题的对比：

• 8-27 PM Goodfire Silico → 可解释性
• 8-24 PM-2 Moderna Intismeran autogene III 期 → mRNA 疫苗
• 8-18 Anthropic Claude 设计蛋白质 → AI 蛋白质设计
• 8-28 早 3（8-28 AM-R3）上海交大 MAP Nature MI → 知识图谱虚拟细胞
• 8-28 R4 → 腾讯 UniPert-G2CP Cell 主刊 → 虚拟细胞

两条「虚拟细胞」路线已经形成：

• 上海交大 MAP（Nature MI 8-26）：知识图谱 + 零样本 DEG 预测，18.7 万药物 + 69.4 万关系
• 腾讯 UniPert-G2CP（Cell 8-28）：对比学习 + 跨域迁移，MoA +14.4% / 20% 数据 +375.4%

两条路线的核心差异：MAP 押注「知识图谱密度补数据稀缺」，UniPert-G2CP 押注「对比学习把基因-化学扰动拉近到同一语义空间」。

🔬 二、Harvard AGENTEX —— George Church 团队把蛋白质氨基酸表从 20 扩展到 34 种

哈佛医学院 George Church 团队（Felix Radford 一作）在 Nature 发表 AGENTEX（Automated Genetic tRNA Expansion），通过改造转运 RNA（tRNA） 把蛋白质设计的氨基酸字母表从天然 20 种扩展到 34 种，不用改造生物体基因组，不用活细胞，即可在试管中构建新型蛋白质。

AGENTEX 三大模块：

模块一：tSCAN —— 高通量 tRNA 氨酰化定量技术

• 合成 tRNA 寡核苷酸池 → PCR 扩增 → 体外转录
• 加入无细胞翻译系统孵育 → 提取总 tRNA
• 高碘酸处理（未氨酰化的 tRNA 3' 端腺苷被切除，氨酰化的被保护）
• 建库测序 → 通过完整 / 截短读段比值计算氨酰化效率
• 全流程基于 Opentrons OT2 机器人自动化
• 效果：一次可并行检测上百种 tRNA 变体的氨酰化水平

模块二：CGA 核糖体 —— 零串扰翻译系统

• 天然核糖体大亚基（LSU）的 23S rRNA 上，G2251 与 G2553 位点通过沃森-克里克配对，特异性识别 tRNA 的 3'CCA 末端
• 将这两个鸟嘌呤突变为胞嘧啶（G2251C/G2553C，即 CGA 核糖体），它就只能识别 3' 端为 CGA 的 otRNA，完全不识别天然 tRNA
• 在大肠杆菌裂解液中表达 CGA 突变核糖体，仅加入 3'CGA 末端的 otRNA 池，形成一套独立于内源系统的正交翻译通路
• 效果：两套翻译系统在同一体系中并行运转，无任何可检测的串扰

模块三：全自动化闭环工作流

• 通过 Python 脚本控制液体处理机器人
• 自动完成 dsDNA 扩增纯化 → tRNA 体外转录纯化 → 无细胞翻译反应 → 产物纯化检测全流程
• 效果：数天内即可完成多套遗传密码设计的构建与功能验证，效率相比传统手工方法提升数十倍

核心数据：

通讯作者 George Church：哈佛大学遗传学系 + Wyss 生物启发工程研究所核心成员，合成生物学与基因组工程领域泰斗，长期致力于基因组编写、遗传密码扩展、生物安全等方向。第一作者 Felix Radford：哈佛医学院博士后，专注核糖体工程与遗传密码重编程技术开发。

原文链接：https://doi.org/10.1038/s41586-026-10949-y

小贴士 · 64 密码子 vs 20 氨基酸：DNA 有 4 个碱基（A/T/C/G），每 3 个一组 = 4³ = 64 种密码子。但生命只用了 20 种氨基酸 + 1 个起始密码子（甲硫氨酸）+ 3 个终止密码子 = 24 种，剩下 40 种密码子是「冗余」的。AGENTEX 把 64 压缩到 34，释放 14 个密码子，每个都可以被重新分配给新的非标准氨基酸或人工单体——等于把生命的「编码表」扩展了 70%。

🇰🇷 三、韩国 KAIST K-Fold —— 速度比 AlphaFold3 快 25 倍 + Apache 2.0 开源

2026-08-28 韩国 KAIST 发布 K-Fold 模型，预测速度比 AlphaFold3 快 25 倍，Apache 2.0 开源，韩国「AI 专项基础模型」国家计划的旗舰生物 AI 成果。

关键事实：

KAIST K-Fold 的实际应用：通过 HITS 初创公司开发的 HyperLab AI 平台，研究人员只需输入「为这个蛋白设计一个强结合抗体」这样的自然语言请求，K-Fold 就能预测蛋白结构 → 设计高结合候选 → 评估结果，逐步完成整个过程。HyperLab 链接 120 多个计算工具、160 多个专门功能、100 多个专门数据库和知识图谱，可用于结构预测、药物设计和生命科学数据分析。

「AI 专项基础模型」国家计划：韩国科学技术信息通信部（Ministry of Science and ICT）把 K-Fold 列为政府主导的「AI 专项基础模型」项目成果。18 个财团申请，最终选定 2 个：KAIST（生物 AI）+ Lunit（医疗 AI）。自去年 11 月起，政府为每个财团提供 256 块 NVIDIA B200 GPU。

小贴士 · TPD / GPCR / 激酶：TPD（Targeted Protein Degradation）靶向蛋白降解是当前最热门的药物开发方向之一，结构变化极难预测。GPCR（G Protein-Coupled Receptor）G 蛋白偶联受体是最大类的药物靶点，约 35% 的现代药物作用于 GPCR。激酶（Kinase）是调控细胞信号的关键酶，也是抗癌药的主要靶点。

🔗 四、三国三线的统一逻辑 —— AI 生物从「单点突破」位移到「工程化栈」

把腾讯 UniPert-G2CP + Harvard AGENTEX + 韩国 KAIST K-Fold 三件事抽象到产业层面，会发现它们都对应同一个位移：

「工程化栈」的含义：AI 生物不再是「做一个模型预测蛋白结构」，而是**「多个模型协同解决药物研发全流程」**：

8-28 这一天的 AI 生物是「三国三线三栈」 —— 中国、美国、韩国各自押注不同层级，但共同指向「工程化栈」。

🧠 五、UniPert-G2CP 与上海交大 MAP 的「虚拟细胞双路线」

8-26 上海交大 MAP（Nature MI）vs 8-28 腾讯 UniPert-G2CP（Cell）= 中国 AI 虚拟细胞的两条路线同框：

两条路线的关键差异：MAP 押注「知识密度」（在没有数据的靶点上靠知识图谱预测），UniPert-G2CP 押注「学习迁移」（用基因扰动数据训练，再迁移到化学扰动）。

这意味着中国 AI 虚拟细胞已经从「单家头部」位移到「双路线竞争」，未来 12-18 个月会看到哪条路线真正跑通。

⚖️ 六、AGENTEX 的「无细胞 + 自动化」是合成生物学的「工程化拐点」

AGENTEX 的核心不是「氨基酸扩展到 34 种」—— 这是结果。真正的工程化拐点是「无细胞 + 自动化 + 零串扰」三件套同时落地。

「无细胞」意味着什么：传统遗传密码工程需要改活细胞的基因组（耗时数年），AGENTEX 在试管里做（数天完成）。「自动化」意味着什么：传统需要专家级手工操作（一个学生可能要 6 个月培训），AGENTEX 用机器人 + Python 脚本（普通实验室可用）。「零串扰」意味着什么：两套翻译系统在同一体系中并行运转但完全不交叉（生物安全特性：泄漏到环境中无功能）。

这是合成生物学从「手工作坊」位移到「工业化生产线」的工程化拐点。

小贴士 · 生物安全（Biological Containment）：AGENTEX 的两套翻译系统有一个意外收获——如果 CGA 核糖体系统的组分泄漏到自然环境，由于环境中没有对应的 otRNA，整个系统完全无功能。这是天然的生物安全特性，未来用于开放环境应用时不用担心「基因污染」。

🔍 七、韩国 K-Fold 的「主权 AI」路径与中美差异

K-Fold 的发布是韩国「AI 主权化」战略的具体落地：

韩国模式的特别之处：「18 个财团申请，政府选 2 个」这种集中式资源分配，与中国「多城试点 + 选优」模式有相似性。自去年 11 月起，政府为每个财团提供 256 块 NVIDIA B200 GPU——这是韩国版的「集中力量办大事」。

韩国 K-Fold 的战略目标：

「Securing independent AI in the biotechnology field means more than simply adding one more homegrown model. Foreign models that currently lead the field of protein structure prediction, including AlphaFold3, may carry restrictions on usage terms or commercial application.」—— KAIST 研究团队

这句话翻译过来：外国模型（包括 AlphaFold3）可能有使用条款和商业应用的限制。AI 一旦成为药物研发的核心研究工具，国内研究机构和药企就可能受到外国模型政策的影响。K-Fold 的终极目标是「减少对外国技术的依赖，基于国内自主技术建立主权生物 AI」。

⚠️ 八、几个观察（不是建议，是事实陈述）

1. 腾讯 UniPert-G2CP 8-28 登 Cell 主刊 = 国内首个 AI 虚拟细胞主刊成果，MoA +14.4% / 20% 数据 +375.4% / ARI +76.3%。
2. Harvard AGENTEX 8-26 登 Nature = 把蛋白质氨基酸表从 20 扩展到 34 种，无细胞 + 自动化 + 零串扰三件套同时落地。
3. 韩国 KAIST K-Fold 8-28 发布 = 速度比 AlphaFold3 快 25 倍，Apache 2.0 开源，韩国「AI 专项基础模型」国家计划旗舰生物 AI 成果。
4. 三国三线 = AI 生物从「单点突破」位移到「工程化栈」：结构层（K-Fold + AGENTEX）+ 机制层（UniPert-G2CP）+ 应用层（UniPert-G2CP 虚拟细胞）。
5. 中国 AI 虚拟细胞双路线已成型：上海交大 MAP（知识图谱路线，Nature MI 8-26）+ 腾讯 UniPert-G2CP（对比学习路线，Cell 8-28），未来 12-18 个月看哪条跑通。
6. AGENTEX 的真正工程化拐点是「无细胞 + 自动化 + 零串扰」三件套同时落地——合成生物学从「手工作坊」位移到「工业化生产线」。
7. 韩国 K-Fold 是「AI 主权化」战略的旗舰生物 AI：政府 256 块 B200 GPU + 财团模式 + Apache 2.0 开源，目标明确「减少对 AlphaFold3 等外国模型的依赖」。
8. 「AI 专项基础模型」国家计划 + 「主权生物 AI」 + 「双路线竞争」 = 2026 H2 AI 生物进入「国家级竞争 + 工程化栈」新阶段。

📚 主要参考资料

1. 动脉网 · 国内 AI 虚拟细胞首登《Cell》主刊！腾讯突破 AI 制药能力瓶颈 — https://www.163.com/dy/article/L5DFAN8B05118K9D.html
2. 财联社 · 新工具让蛋白质设计「字母表」扩展至 34 种 — https://www.cls.cn/detail/2466989
3. Nature · AGENTEX Automated prototyping of genetic codes — https://doi.org/10.1038/s41586-026-10949-y
4. Seoul Economic Daily · KAIST Unveils Homegrown Bio AI Rivaling AlphaFold3, 25 Times Faster — https://en.sedaily.com/technology/2026/08/28/kaist-unveils-homegrown-bio-ai-rivaling-alphafold3-25-times
5. 腾讯网 · 国内 AI 虚拟细胞首登《Cell》主刊（HTML5 镜像） — https://so.html5.qq.com/page/real/search_news?docid=70000021_4256a90d1ac85752
6. 新浪财经 · 新工具让蛋白质设计「字母表」扩展至 34 种 — https://finance.sina.com.cn/stock/bxjj/2026-08-28/doc-inipvmnh0282947.shtml
7. 科技日报 · 新工具让蛋白质设计「字母表」扩展至 34 种 — https://www.stdaily.com/web/gdxw/2026-08-28/content_570804.html

选题：2026-08-28 早间第 4 轮（与近 7 天 75+ 篇刻意错峰）。关键词：腾讯 UniPert-G2CP、Cell 主刊、AGENTEX、George Church、KAIST K-Fold、AlphaFold3、AI 主权化、虚拟细胞双路线。字数：约 12,500。Mermaid 图表：8 张。