evozyne 是什么：用进化深度学习设计蛋白质
Evozyne 是一家美国生物技术公司，2020 年创立于芝加哥。该公司专注于用生成式 AI 设计自然界不存在的新型蛋白质。官网显示，其目标是为患者创造精准、改变生命的蛋白质疗法。其核心技术路线是「进化深度学习」，把进化原理与深度学习结合，在实验室里模拟数百万年的蛋白质进化。
公开融资记录显示，2020 年 4 月获 920 万美元风险投资。2021 年 4 月完成 5420 万美元 A 轮。2023 年 9 月完成 8100 万美元 B 轮，由 Fidelity 和 OrbiMed 领投。Valor Equity Partners、NVentures、Paragon Biosciences 跟投。
与许多只提供软件工具的 AI 制药公司不同，该平台拥有从序列设计到实验验证的端到端能力。它没有公开的网页版或 App，普通用户无法直接使用。合作对象主要是药企和科研机构。
从进化论到生成式 AI：Evozyne 的技术路线
假设你需要一种能分解塑料的酶，自然界没有现成答案。传统方法靠随机突变筛选，耗时数年。该工具的做法是：先学习蛋白质序列与功能的关系，再让模型生成新序列。
其技术核心是「进化深度学习」。简单说，就是用 AI 模拟自然选择。模型从海量蛋白质数据中学习进化规律，然后生成符合特定功能需求的新蛋白质。官网称，这种方法能制造出「适应性、高性能蛋白质」。
与 NVIDIA 合作的 ProT-VAE 流程是典型例子。它结合 Transformer 模型与变分自编码器（VAE，一种生成模型），几秒内生成数百万个蛋白质序列。这些序列再经过实验筛选，找到较优候选。
融资与团队：从 920 万美元到 8100 万美元 B 轮
该公司的融资节奏清晰。2020 年种子轮 920 万美元，2021 年 A 轮 5420 万美元，2023 年 B 轮 8100 万美元。三年内融资总额超过 1.4 亿美元。
投资方包括 Fidelity、OrbiMed 等知名机构。NVentures 是 NVIDIA 的风险投资部门，这暗示了双方的技术合作深度。Paragon Biosciences 则是一家生物技术孵化器。
团队规模未公开，官网未列出核心成员名单。但从融资额和合作方看，团队具备较强的研发与商业转化能力。目前尚无 IPO 计划公开信息。
evozyne 功能和体验：ProT-VAE 与 EvoGen 平台
该平台的核心能力是生成高性能蛋白质。官网将其产品描述为「高性能、适应性蛋白质，具有极其先进的功能」。这些蛋白质用于治疗开发中长期存在的挑战。
功能上，它提供两个关键模块：AI 设计引擎 EvoGen 和高通量实验设施 EvoLab。EvoGen 负责生成蛋白质序列，EvoLab 负责合成和评估。两者形成迭代循环。
体验层面，普通用户无法直接访问。没有公开的软件界面、API 或 SDK。所有使用都通过机构合作进行。因此，个人开发者或小团队难以直接体验其功能。
ProT-VAE 流程：几秒生成数百万个蛋白质序列
ProT-VAE 是该平台与 NVIDIA 合作开发的生成流程。它结合了 Transformer 模型和变分自编码器。公开报道显示，该流程可在几秒钟内生成数百万个蛋白质序列。
这些序列并非随机生成。模型学习自然蛋白质的进化规律，生成的新序列具有功能潜力。然后通过实验筛选，找出活性最高的候选分子。
该流程的核心优势是速度。传统方法一次只改变几个氨基酸，ProT-VAE 一轮可改变半数以上氨基酸。这相当于数百次突变的累积效果。
EvoGen 设计引擎与 EvoLab 实验设施
EvoGen 是 AI 设计引擎，负责生成蛋白质序列。它针对效力、稳定性、特异性和免疫原性进行优化。每个设计周期可合成和评估数千个候选分子。
EvoLab 是高通量实验设施，负责验证 AI 生成的序列。它快速测试蛋白质的功能活性，将结果反馈给 EvoGen。这个闭环让模型不断改进。
两者协同工作，形成数据驱动的迭代循环。官网称，这种端到端能力是其差异化优势。许多 AI 制药公司只做早期发现，缺乏内部实验验证能力。
从医疗到清洁能源：Evozyne 的应用领域
医疗是主要应用领域。该平台设计的蛋白质可用于治疗先天性疾病和免疫介导疾病。官网管线涵盖 IgG 蛋白酶、下一代细胞因子和呼吸系统疾病候选药物。
清洁能源是另一个方向。公开报道提到，其蛋白质设计可消耗二氧化碳，减少全球变暖。但具体项目细节未公开。
此外，官网还提到「可持续性」方面的挑战。但目前尚无具体产品或合作案例公布。应用领域仍以医疗为主。
evozyne 怎么用：完整流程与使用限制
该工具没有公开的软件使用入口。官网不提供注册、登录或试用功能。普通用户无法直接使用其蛋白质设计能力。
使用流程完全通过机构合作进行。药企或科研机构联系该公司，签订合作协议，然后获得定制化的蛋白质设计服务。具体流程未公开。
限制很明显：个人用户、学生、小型创业公司难以接触。没有免费试用，没有公开文档，没有社区支持。
没有公开的网页版或 App：如何接触 Evozyne
官网 https://www.evozyne.com/ 仅提供公司介绍和联系方式。没有产品演示、在线工具或下载链接。
手机端没有 App，电脑端没有客户端软件。所有操作都在该公司内部完成。
接触方式只有一种：通过官网联系商务团队。但响应门槛未知，可能只对大型机构开放。
科研人员与生物技术公司的合作路径
科研人员若想使用该平台，需通过所在机构与该公司建立合作。合作形式可能包括联合研究、技术授权或定制开发。
生物技术公司可探索利用其设计能力，开发高性能蛋白质产品。但合作细节需双方协商，无公开标准流程。
目前没有公开的学术合作计划或开放申请渠道。合作门槛较高，主要面向有明确研发需求的机构。
evozyne 和竞品对比什么：与传统方法的效率差异
传统蛋白质工程方法主要是定向进化。它通过随机突变和筛选，逐步优化蛋白质功能。每次只改变几个氨基酸，过程缓慢。
该平台的方法一轮可改变半数以上氨基酸。这相当于数百次突变的累积，效率提升显著。
与其他生成式 AI 蛋白质设计工具相比，该平台的优势在于端到端能力。它不仅有 AI 模型，还有内部实验设施，这让设计-验证循环更快。
对比传统定向进化：一轮改变半数以上氨基酸
传统定向进化一次只改变几个氨基酸。例如，一个 300 氨基酸的蛋白质，一轮可能只突变 3-5 个位点。需要数十轮才能覆盖关键区域。
该平台的方法一轮可改变 150 个以上氨基酸。这相当于传统方法数十轮的累积效果，设计速度大幅提升。
但传统方法有成熟验证体系，该平台的新蛋白质仍需实验确认。两者并非完全替代关系。
对比其他生成式 AI 蛋白质设计工具
目前公开对比信息有限。其他工具如 RFdiffusion、ProteinMPNN 等提供开源模型或云服务。该平台不提供公开访问。
技术路线上，该平台强调进化原理与深度学习的结合。其他工具可能更侧重结构预测或序列生成。
合作模式上，该平台只做机构合作。其他工具可能提供 API 或开源代码，开发者生态差异明显。
| 特性维度 | 公开访问 | 实验验证 | 技术路线 | 目标用户 |
|---|---|---|---|---|
| Evozyne | 无 | 内部 EvoLab | 进化深度学习 | 大型药企/机构 |
| 开源工具（如 RFdiffusion） | 有（开源代码） | 无 | 扩散模型 | 学术研究者 |
| 商业云平台（如 Cradle） | 有（网页版/API） | 部分合作实验室 | 生成式 AI + 实验 | 生物技术公司 |
evozyne 适合什么场景：从药物研发到碳减排
该平台最适合的场景是药物研发，特别是需要新作用机制的免疫疾病领域。官网管线显示，它正在开发 IgG 蛋白酶和下一代细胞因子。
清洁能源是潜在场景。蛋白质设计可消耗二氧化碳，但具体应用尚未公开。
对于学术研究，该平台不开放。对于小型创业公司，合作门槛过高。因此，它主要适合有充足预算的大型机构。
治疗先天性疾病：新型蛋白质的医疗潜力
先天性疾病常由蛋白质功能缺失引起，传统药物难以补充或修复。该平台设计的蛋白质可替代缺失功能。
例如，某些酶缺陷疾病可用工程化酶治疗。该平台能生成高活性、高稳定性的酶变体。
免疫介导疾病是另一个方向。官网提到的 IgG 蛋白酶可降解致病抗体，为自身免疫病提供新疗法。
消耗二氧化碳：清洁能源领域的探索
公开报道提到，该平台的蛋白质设计可消耗二氧化碳，但具体机制未公开。可能涉及碳酸酐酶等酶的工程化。
该方向仍处于早期探索阶段，没有公开的试点项目或合作案例。
与医疗领域相比，清洁能源应用的信息极少。目前无法评估其实际进展。
evozyne 的集成生态：与 NVIDIA 的深度合作
该平台的外部集成主要围绕 NVIDIA。双方合作开发了 ProT-VAE 流程。NVIDIA 的风险投资部门 NVentures 也参与了 B 轮融资。
技术层面，该平台使用 NVIDIA BioNeMo 平台和 ProtT5 模型。BioNeMo 是 NVIDIA 的 AI 药物研发框架，ProtT5 是一个蛋白质语言模型。
除此之外，没有公开的其他集成。没有 API、SDK 或 Webhook，开发者无法直接接入。
NVIDIA BioNeMo 与 ProtT5 的技术支撑
BioNeMo 是 NVIDIA 提供的 AI 药物研发平台，包含预训练模型和工具。该平台利用 BioNeMo 中的 Transformer 模型进行蛋白质生成。
ProtT5 是一个基于 T5 架构的蛋白质语言模型。它在大规模蛋白质序列上预训练。该平台将其与 VAE 结合，形成 ProT-VAE 流程。
这种合作让该平台获得了强大的计算资源，但同时也依赖 NVIDIA 的技术栈。
没有公开 API 或 SDK：开发者如何参与
开发者无法直接参与。没有公开的 API、SDK 或 Webhook，官网未提供任何开发者文档。
参与方式只有一种：加入该公司或合作机构。这对于独立开发者来说几乎不可能。
因此，该平台的集成生态非常封闭，与提供开源模型或 API 的竞品形成鲜明对比。
evozyne 的国内可用性：访问、中文与支付
中国大陆用户访问官网 https://www.evozyne.com/ 可能遇到网络延迟或阻断。官网未提供中文界面。
支付方面，没有公开的定价或付费渠道。合作模式不面向个人用户。
因此，国内普通用户几乎无法使用该平台。科研机构可通过国际合作关系间接接触。
官网访问与中文支持情况
官网为英文界面，无中文版本。中国大陆访问可能不稳定，但无明确封锁证据。
官网内容主要为公司介绍和联系方式，没有产品演示或技术文档。
中文支持完全缺失。没有中文客服、中文文档或中文社区。
付费模式与商业合作：普通用户能否使用
付费模式未公开。预计为定制化商业合作，费用可能高达数百万美元。
普通用户无法使用。没有免费试用、个人订阅或按次付费选项。
因此，该平台对普通用户完全封闭，只服务大型药企和科研机构。
参考资料
- Evozyne 官网：https://www.evozyne.com/
