宾夕法尼亚大学与香港中文大学联合团队近日成功开发名为TD3B的人工智能框架，该成果已入选2026年国际机器学习大会亮点论文。针对传统药物研发中肽段生成与效应预测脱节的痛点，研究团队由Pranam Chatterjee教授领衔，构建了一套融合方向预测、门控奖励与训练缓冲机制的生成系统。该系统能够自主设计既能精准结合靶标、又能定向激活或抑制特定细胞通路的肽段候选分子。在针对GLP-1受体及神经相关OX1R受体的计算测试中，TD3B生成的激动剂与拮抗剂在结构上自动对齐了已知药物的关键作用位点，方向区分准确率达百分之九十三。项目负责人指出，该突破将药物设计逻辑从传统的先筛选结合再验证效应，转变为以预期治疗效果为导向的逆向设计。目前，研究团队正推进候选肽段的实验室合成与功能验证。若实验结果印证计算预测，TD3B有望大幅缩短多肽药物研发周期，为代谢疾病与中枢神经疾病提供全新治疗策略。