问题
病毒学家在为未来大流行做准备时，绝大多数病毒没有可用的蛋白复合体结构数据。传统方法依赖结晶蛋白再打X射线（X-ray crystallography），据信号原文"can take years and cost thousands of dollars per structure"——单个结构要花数年和数千美元，这让结构生物学研究对多数病毒而言完全不可行。愿意做结构预测的研究者又需要自己搭GPU流水线，门槛高。
目标用户
病毒学家、数字生物学与结构生物学研究者，尤其是做药物和疫苗设计、大流行防范的实验室团队。信号未给出市场规模数据；这是一个科研工具市场，规模取决于全球相关实验室数量（量级可能为数千个团队，但信号无直接证据，置信度低）。
解决方案
AI角色：调用/封装结构预测模型（如AlphaFold2类模型），对病毒蛋白序列做批量预测。
- 病毒蛋白序列批量提交与结构预测，输出预测的3D结构（PDB格式）
- 按病毒家族/宿主/蛋白类型组织的结果数据库，支持检索已预测结构
- 结构可视化与下载，可直接对接后续药物/疫苗设计流程
- 预测结果与实验结构（Protein Data Bank）的比对标注，标明置信度
为什么是现在
NVIDIA于2026年9月公开发布了GPU加速的结构预测流水线（BioNeMo Structure Prediction Pipeline），信号原文指出"This dataset begins to fill that gap"——意味着AI预测成本和周期大幅低于X射线晶体学（数年、数千美元/结构），做病毒结构数据库的底层能力刚刚成熟。
MVP 范围
第一版：聚焦一个病毒家族，用户提交蛋白序列或选择库内序列，后台跑结构预测并返回可下载、可视化的3D结构。 明确不做：湿实验验证、药物设计/分子对接、蛋白-蛋白相互作用网络、私有化部署。
变现方式
null
风险
AlphaFold Database和AlphaFold2免费且覆盖面广，NVIDIA BioNeMo流水线已开源——免费替代品多，付费意愿信号完全缺失（willingness_to_pay: none），商业化路径不明。科研用户预算周期长且倾向用公开工具。GPU推理成本虽下降但仍需承担算力。两个信号均来自NVIDIA官方博客（vendor capability发布，非用户痛点帖），用户实际需求与付费意愿未被独立验证。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| AlphaFold Database | 免费的公开蛋白结构数据库，覆盖广但缺乏针对病毒复合体的专项整理与检索体验 | — |
| AlphaFold2 | 开源结构预测模型，研究者可自行预测，是产品底层能力的免费替代 | — |
| NVIDIA BioNeMo | GPU加速的生物结构预测开源框架，可自行复现本产品核心能力 | — |
| Protein Data Bank | 实验结构的权威公共数据库，是比对参考而非预测工具 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
NVIDIA Blog9月24日新能力
“Traditional methods for determining protein structures — crystallizing proteins and shooting X-rays at them — can take years and cost thousands of dollars per structure.”
Determining protein structures experimentally is slow and expensive compared to AI-predicted structures.原文
NVIDIA Blog9月24日新能力
“For thousands of other viruses, no such structural knowledge exists today. This dataset begins to fill that gap.”
Scientists lack structural knowledge of viral protein complexes for most viruses, limiting preparedness for future pandemics.原文