Chamaileon：跨情境結合體設計與混合取樣模型
為何重要
Chamaileon 重新定義了蛋白質設計的範式，從單一結構對應轉向跨情境的多目標設計，這對追求功能性蛋白質（如多靶點藥物）的 AI 生醫科技公司具有重要的技術參考價值。此外，利用 MoPS 策略與跨情境建模緩解資料稀缺的手法，為資料規模較小的生物科技公司提供了新的開發路徑。
針對生科領域現有設計方法多受限於單目標、單狀態假設的問題，研究提出 Chamaileon 框架以應對複雜的多目標與多狀態互動需求。
- 該框架將問題定義為「跨情境結合景觀建模」，並提出情境複雜共設計（I3CD）進行情境感知的序列-結構共建模。
- 在推論階段，使用混合路徑取樣（MoPS）策略，在最佳化單一序列的同時緩解高品質多構象對資料的稀缺問題。
- 研究者在新建立的 CROSS 基準上驗證，該模型有效生成了能適應多樣化結構景觀與多目標需求的序列。