PXDesign 之后，问题变了
PXDesign 验证了可行性，下一步是研发可用性。
PXDesign 已经把模型生成的蛋白结合物送进实验，给出了能够结合靶点的候选。它为前一阶段提供了关键概念验证：AI 设计可以走出结构模型，进入真实的结合测试。AnewDesign 接着追问：这项能力，怎样接入科学家的日常研发？
PXDesign 官方项目页以 KD＜1,000 nM 统计命中。这是一条统计判定线，覆盖的范围也包含高亲和力结合物，不能读成“它只能做到微摩尔级”。从这个起点出发，下一步要讨论的，是更严格的项目目标，以及能否连续推进的工作流。
算法跑通，还不等于工具好用
从原型到研发工具，结果和使用方式都要过关。
把算法跑通，与把工具交给一线科学家，中间隔着一连串操作：选表位、调模型、筛候选、读实验，再决定下一轮改哪里。如果每一步都要算法专家接手，原型与研发工具之间的距离就仍然存在。
AnewDesign 把这段距离拆成两个问题。第一，设计结果要朝更严格的亲和力目标推进；第二，复杂工具需要被组织成科学家能操作的流程。论文展示的是纳米抗体 VHH 项目，把从头设计、实验反馈和计算成熟连接起来，而非只交付一批生成序列。
第一步，把目标收紧到个位数 nM
把项目目标收紧：从能结合，推进到个位数 nM。
KD 越低，表示在对应测定条件下结合越紧。AnewDesign 这次把终点设在个位数 nM，也就是 KD＜10 nM。与 KD＜1,000 nM 的命中统计线相比，这个目标更严格；但两者属于不同项目，不能据此算出模型的实测性能提升倍数。
更重要的是，目标收紧并不意味着从头生成就能一步到位。论文首轮选了 50 个 VHH 做实验，其中 7 个的 SPR KD 低于 400 nM。接下来，需要让已有命中继续优化。亲和力成熟因此进入主线，承担把初始候选推向更强结合的任务。
第二步，把设计与成熟交给同一工作流
用自然语言提出目标，让 Agent 串起设计与成熟。
科学家在 AnewScience 中用自然语言提出 VHH 设计目标。Agent 检索文献与结构，辅助选表位、调度设计，并按结构、序列风险和多样性筛选候选。论文界面保留了启动设计前的人工确认；易用性的改变，在于减少来回切换工具，而非取消科学判断。
首轮实验返回后，Agent 分析 SPR 结果，再启动计算亲和力成熟：保留已验证区域，围绕选定 CDR 及邻近框架残基优化，提出新增的 100 个候选。湿实验仍需表达、纯化和测定，再把数据带回下一轮。这样，设计与优化才形成实验在环的闭环。
150 个克隆之后，结果落在了哪里？
两轮累计 150 个克隆，16 个达到个位数 nM。
两轮累计测试 150 个克隆，其中 16 个达到 KD＜10 nM，整体命中率为 10.7%。分母由首轮 50 个与成熟轮新增 100 个组成。这 16 个高亲和力克隆来自计算成熟后的验证，不能把它写成一次性从头设计的命中率。
这些设计的实测 KD 为 1.8–8.1 nM。研究团队将候选制备为 VHH-Fc，在 Carterra LSA XT 上进行多浓度 SPR 测定，并通过动力学拟合获得 KD。图中的阳性对照单独列出，不计入 16 个设计，也不计入这段实测范围。
把算法能力，接成科学家能操作的流程
向工业研发再走一步，把能力组织成苗头发现工具。
这一步的价值，在于把更严格的亲和力目标和更容易操作的工作流放在一起：科学家提出需求，Agent 组织设计与优化，实验读数决定怎样继续。它展示了将早期可行性转向面向研发的 Hit-finding 工具的一条路径。
但论文仍将 AnewDesign 定位为内部靶点的概念验证，命中克隆还需后续功能与可开发性评估。“走向工业级”是方向，不是已经完成的通用认证。下一个真正的考验，是换一个靶点后，这套流程还能否稳定留下值得推进的命中物。