AI多肽药物设计
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Menten AI 聚焦“生成式AI+药物发现”，核心产品 MAUD 1.0 用于设计 cyclic peptide therapeutics / peptide macrocycles，目标是覆盖小分子和传统生物制剂难以处理的复杂药物靶点，尤其是蛋白-蛋白相互作用界面。官网显示其合作对象包括 Top-10 pharma，举例提到 Bristol Myers Squibb，并获得 Social Impact Capital、Uncork Capital、Khosla Ventures、Y Combinator 等支持。
MAUD 1.0 全称 Multi-parametric AI for Unbiased Design，特点是将生成式AI、物理模型和量子化学模拟结合，从头设计大环肽，而不是依赖传统库筛选。其“physics-informed generative AI”路线强调不需要大型训练数据集，并以原子级精度同时优化多个药物样性质，如 potency、permeability、stability。官网披露的验证结果包括 nM 级效力、膜/细胞通透性、较好的 DMPK 性质、体内有效性，以及首页提到的口服生物利用度和 >90% hit rate。
抓取内容没有公开价格、免费试用、套餐或支付方式，也没有显示SaaS自助入口。其商业模式更像面向药企和Biotech的合作研发/平台授权，需要通过“Partner with us”联系。API、SDK、开发者文档或企业系统集成信息也未披露。
优点是技术定位清晰，专注高价值肽药发现场景，并把生成模型与物理、量子模拟结合，理论上有助于降低盲筛成本、拓展化学空间。其披露的临床前验证和头部药企合作增加了可信度。局限是公开资料偏概览：缺少具体基准、实验规模、失败案例、适用靶点边界和可复现实证；数据隐私、项目IP归属、合规流程也未在正文中说明。
它适合拥有明确靶点和实验验证能力的制药公司、Biotech、CRO合作团队及计算药物设计部门，不适合普通个人用户或需要即开即用AI工具的团队。中国访问状态无法仅凭正文判断，官网网络连通、合同支付和跨境数据合规需实际确认。可对比的替代方向包括 Schrödinger、Insilico Medicine、Iktos、Exscientia、Generate Biomedicines 及传统计算化学/CRO服务。
本测评基于公开资料整理,不构成购买建议,请以 menten.ai 官网实际信息为准。
垂直AI生物科技公司，适合关注AI药研。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。