蛋白天然功能受限于演化路径，在实际应用中经常需要“定向进化”：
表达不稳定/产率低；结合能力弱/特异性差；
催化效率/底物适配不理想而传统方法需大量突变构建+筛选，周期长、成功率低。
致一生物融合AlphaFold3、ProteinMPNN 与分子对接算法，提供蛋白互作与小分子结合位点的AI驱动改造策略。+骨架优化一体化平台，实现无需抗体库、快速响应的新一代抗体开发流程：
| 路径类型 | 技术组合 | 目标 |
| 蛋白–蛋白互作优化 | AlphaFold3 + MPNN + HDOCK | 提升界面亲和力，调节互作稳定性 |
| 蛋白–小分子优化 | LigandMPNN + AutoDock + AF3预测构象 | 改变底物特异性，提升催化效率 |
输入目标蛋白结构或序列
构建复合体模型（蛋白-蛋白/蛋白-小分子）
识别关键残基，设计突变组合
AlphaFold3建模突变体结构
自由能/结合模式打分排序
1、建议突变位点清单 + 热图展示
2、突变体结构文件（PDB）
3、对接能量分析报告（含对照组）
4、可选：后续实验设计建议