展品991BIONTEChaiday-

EX-99.1 2 展览991biontechaiday-.htm EX-99.1 展品991BIONTEChaiday-

本幻灯片演示文稿包含前瞻性陈述本演示文稿包含经修订的1995年《私人证券诉讼改革法案》含义内的前瞻性陈述。在某些情况下，前瞻性陈述可以通过诸如“将”、“可能”、“应该”、“预期”、“打算”、“计划”、“目标”、“预期”、“相信”、“估计”、“预测”、“潜在”、“继续”等术语来识别，或者这些术语或其他类似术语的否定，尽管并非所有前瞻性陈述都包含这些词语。本演示文稿中的前瞻性陈述既不是承诺也不是保证，您不应过分依赖这些前瞻性陈述，因为它们涉及已知和未知的风险、不确定性和其他因素，其中许多超出了BioNTech的控制范围；并且可能导致实际结果与这些前瞻性陈述明示或暗示的结果存在重大差异。您应该查看BioNTech截至2025年6月30日的6-K表格季度报告中“风险因素”标题下描述的风险和不确定性；以及随后BioNTech向SEC提交的文件中描述的风险和不确定性，这些文件可在SEC网站https://www.sec.gov/上查阅。除法律要求外，BioNTech不承担在出现新信息、未来发展或其他情况时更新或修改本演示文稿中包含的任何前瞻性陈述的任何意图或责任。这些前瞻性陈述基于BioNTech目前的预期，仅在本文发布之日发表。此外，本演示文稿中包含的某些陈述与从第三方来源以及BioNTech自己的内部估计和研究获得的研究、出版物、调查和其他数据有关或基于这些陈述。虽然BioNTech相信这些第三方来源在本演示文稿发布之日是可靠的，但其并未独立核实，也不对从第三方来源获得的任何信息的充分性、公平性、准确性或完整性作出任何陈述。此外，本演示文稿中包含的任何市场数据都涉及假设和限制，无法保证此类假设的准确性或可靠性。虽然BioNTech认为自己的内部研究是可靠的，但此类研究尚未得到任何独立来源的验证。本演示文稿包含对我们的商标和属于其他实体的商标的引用。仅为方便起见，所指的商标、商号，包括标识、艺术品等视觉展示，可不经®或TM符号，但此类引用无意以任何方式表明其各自的所有者不会根据适用法律在最大程度上主张其对此的权利。我们不打算使用或展示其他公司的商号或商标来暗示与任何其他公司的关系，或由任何其他公司为我们背书或赞助。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 2

BioNTech –打造将科学转化为生存的全球免疫治疗强国14：00推进颠覆性科技生物公司U. Sahin教授，医学博士14：15在BioNTech K. Beguir InstaDeep上开发AI的未来–在整个AI堆栈中交付14：25计算和模型缩放A. Laterre 14：35 AI创新B. Almeida，B. Guloglu 15：00数据采集和提炼N. Lopez Carranza，Y. Ben Dhieb 15：20应用C. Zhang，L. Walls，A. Delaunay，M. Rooney 15：40观众问答教授U. Sahin，医学博士，K. Beguir Agenda AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 3

玛格丽特·基南2020年12月8日伦敦科学博物馆

我们具有独特的优势，可以结合各种方法来改变癌症护理ADC =抗体-药物偶联物。免疫调节剂•专注于关键的IO通路•在癌症免疫周期中靶向不同的互补通路可能会促进持久的抗肿瘤效果mRNA癌症免疫疗法•以多抗原和个体化方法消除多克隆残留疾病•通过同时靶向多个抗原来建立多特异性活性•建立持久的免疫记忆以防止复发靶向疗法•精确和有效的快速肿瘤减少方式• ADC作为免疫调节剂和mRNA癌症免疫疗法的潜在“增强剂”•专注于HER2、HER3、TROP2，B7H3 ADCs作为组合伙伴mRNA癌症免疫疗法靶向治疗免疫调节剂潜在的治疗方法协同潜力协同潜力协同潜力AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 9

协同mRNA癌症免疫疗法靶向疗法的潜力我们具有独特的优势，可以结合方法来改变癌症护理ADC =抗体-药物偶联物。免疫调节剂•专注于关键的IO通路•在癌症免疫周期中靶向不同的互补通路可能会促进持久的抗肿瘤效果• BNT327 pumitamig mRNA癌症免疫疗法•通过多抗原和个体化方法消除多克隆残留疾病•通过同时靶向多个抗原来建立多特异性活性•建立持久的免疫记忆以防止复发靶向疗法•精确和有效的快速减少肿瘤的方式• ADC作为免疫调节剂和mRNA癌症免疫疗法的潜在“增强剂”•专注于HER2、HER3、TROP2，B7H3 ADC作为组合伙伴AI Day©2025 BioNTech SE & InstaDeep Ltd. I. October，2025i10 immunomodulators potential curative approaches for synergy potential for synergy

血管生成和免疫抑制VEGF-A的局部中和作用作用于靶向TME的VEGF-A PD-L1，阻断肿瘤细胞TME抗VEGF-A（FAB）抗PD-L1（VHH）PD-L1配体中的PD-1/PD-L1信号转导型抗VEGF-A（FAB）抗PD-L1（VHH）VEGF-A二聚体对肿瘤细胞的NSCLC IHC2 1的抗PD-L1（FAB）抗PD-L1配体中的Pumitamig VEGF-A二聚体。与百时美施贵宝合作；2。IHC数据：Human Protein Atlas Pumitamig协同靶向PD-L1和VEGF1肿瘤微环境（TME）AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 11

抗PD-L1抗VEGF > 140万估计美国和欧盟每年新的癌症病例无法通过当前的IO疗法解决抗PD-（L）1批准的抗PD-（L）1未批准的美国和欧盟癌症发病率2 1。NCI SEER https://training.seer.cancer.gov/index.html。2.美国发病率来源：美国国立卫生研究院和美国癌症协会数据欧盟发病率来源：欧洲癌症信息系统下一代双特异性可潜在扩大IO治疗范围乳腺（非TNBC）TNBC PD-L1 CRC（MSS）EGFRmut NSCLC胰腺卵巢GBM肺黑色素瘤RCC子宫内膜HNSCC/鼻咽TNBC PD-L1 > 10% HCC胃CRC（MSI-H）抗PD-（L）1疗法在美国和欧盟每年解决约150万新的癌症病例，医疗需求仍然很高（5年生存率< 50%）1 AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 12

有可能改变护理标准，并为有高度未满足医疗需求的患者建立新的IO主干治疗方案与全球共同开发和共同商业化伙伴关系最大限度地发挥下一代免疫调节剂pumitamig1的潜力•靶向PD-L1和VEGF-A的双特异性抗体•超过1,200名患者在多个肿瘤类型的临床试验中接受治疗•在10多个适应症中正在进行广泛的开发，包括抗VEGF-A抗PD-L1 VHH1的初步注册试验。与百时美施贵宝合作。与BMS开展里程碑式战略合作，推进pumitamig1 AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 13

靶向疗法免疫调节剂协同潜力我们具有独特的优势，可以结合方法来改变癌症护理ADC =抗体-药物偶联物。免疫调节剂•专注于关键的IO通路•在癌症免疫周期中靶向不同的互补通路可能会促进持久的抗肿瘤效果• BNT327 pumitamig mRNA癌症免疫疗法•通过多抗原和个体化方法消除多克隆残留疾病•通过同时靶向多个抗原•建立持久的免疫记忆以防止复发靶向疗法•精确和有效的快速减少肿瘤的方式• ADC作为免疫调节剂和mRNA癌症免疫疗法的潜在“增强剂”•专注于HER2、HER3、TROP2，B7H3 ADC作为组合伙伴AI Day©2025 BioNTech SE & InstaDeep Ltd. I October，2025i 15 potential of synergy potential curative approaches mRNA cancer immunotherapies

16个个体患者样本（血液和组织）人工智能驱动的新抗原预测按需定制RNA制造个体化免疫治疗突变图谱固定组合共享肿瘤抗原2多抗原方法针对每个适应症定制新抗原个体化治疗多个共享抗原现成疗法iNEST1 FixVAC个体化新抗原特异性免疫治疗固定抗原疫苗抗原1抗原2抗原3抗原4 mRNA-脂质体平台描述于Castle等人，Cancer Res 2011，Kreiter等人，Nature 2025描述于Sahin等人，Nature 2017，Rojas et al. Nature 2023利用我们在mRNA方面的领先地位，通过两种方法充分利用癌症免疫治疗目标空间1。与罗氏集团成员Genentech合作。2抗原因程序而异；3。血液中T细胞反应离体多聚体染色分析。在Kranz等人、Nature 2016和Sahin等人、Nature 2020 AI Day中进行了描述©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 16

个体患者样本突变映射新抗原预测按需定制mRNA制造个体化免疫治疗正常G G G AAACT T T T CC肿瘤G G G G AAACG T T T T CC 12345即时制造专用mRNA GMP生产设施选择算法AI和ML优化由数据驱动随着更多数据的生成和分析iNEST正在与罗氏集团成员基因泰克合作开发，具有持续改进的潜力。Autogene cevumeran是一个研究候选者。iNEST：Autogene cevumeran以数据AI Day推动持续创新©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 17

新抗原预测：我们如何识别、预测、表征新抗原？新抗原秩基因突变长度（AA）转录本VAF MHC I评分MHC II评分在肿瘤VAF中的覆盖率在正常组织VAF中的肿瘤覆盖率1 SNF8 V183M 2716.05 0.12.16 1550.33 1190.002 SEMA7A G340S 271.44 0.048.61 30.44 1200.01 3 DUS4L S305P 262.07 0.288.542130.48 1500.0020突变类型和突变的克隆性突变的转录表达水平表征新抗原肽肽-MHC结合亲和力/质量相似性/丰富度跨肿瘤缺乏在健康组织中的代表性数据。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 18

Sahin & T ü reci，Science 2018肿瘤异质性突变和新抗原谱、表观遗传学、生物学和进化免疫系统HLA限制和免疫SNP宿主和环境因素包括HLA单倍型、微生物组、表观基因组、年龄、抗原暴露、药物和合并症肿瘤环境免疫抑制识别和编辑个体患者特异性、数量和免疫效应器功能状态遗传和环境因素so m at ic m ut at io ns免疫多样性Y Z X癌症异质性AI Day维度©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 20

个性化免疫治疗AI驱动的生物工程• iNEST1：个性化免疫治疗平台，利用AI创造每个患者肿瘤特有的疗法• 4项正在进行的试验•治疗的患者超过450名2 •选择了18,000种新抗原2 •免疫治疗目标空间的计算扩展3 • iNEST1的半自动化制造能力•开发结合前沿AI和生物工程的新型DeepChain平台•优化mRNA设计和结构•自动化干湿实验室以增强发现能力•拥有约500 PetaFLOPS的英伟达 H100 GPU的内部超级计算集群我们领先的科学能力由AI推动，开创个性化免疫疗法1。与罗氏集团成员Genentech合作；2。来自试验BNT122-01、GO39733、GO40558和ML41081；3。Castle et al. 2011 Cancer Res.A I AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 21

解决个体间变异的个体化治疗平台深厚的基因组学和免疫学专业知识分析患者数据自动化的内部制造按时为患者服务以及全球AI注入和数字集成的靶点&药物发现和开发`药物类别-个体间变异现成药物按需定制免疫疗法临床样本工程细胞疗法mRNA疗法T细胞受体抗体偶联小分子免疫调节剂个性化组学能力构建明天的个性化精准用药全一体化科技生物公司BioNTech具有独特的定位，具有完整的AI集成和一个屋檐下的个性化医疗能力AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 22

这个超级周期，即体验时代，是由强化学习（RL）和优化等技术驱动的，这些技术专注于使用AI代理“边做边学”。迎接体验时代David Silver，Richard S. Sutton-（ref）-Apr 2025 Environment New State New Action AI Agent AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 29

InstaDeep积极参与强化学习研究oryx：一种用于线下MARL NeurIPS Conference 2025中多智能体协调的高性能和可扩展算法打破复杂强化学习中的性能天花板需要推理策略NeurIPS Conference 2025 Oral Memory-Enhanced Neural Solvers for Efficient Adaptation in Combinatorial Optimization NeurIPS Conference 2025 Spotlight AI Day©2025 BioNTech SE & instaDeep Ltd. I 2025年10月I 30

核苷酸变压器构建和评估用于人类基因组学的稳健基础模型Nature Methods2024 ProtBFN & ABBFN Protein Sequence Modeling with Bayesian Flow Networks Nature Communications 2025 ChatNT A Multi-Modal Conversational Agent for Genomics Nature Machine Intelligence 2025 Matchgate Classical Shadows Unified Matchgate Classical Shadows for Quantum Fermionic Systems Nature Partner JournalsQuantum Information 2025 InstaNovo ML for de novo peptide sequencing for large-scale mass spectrometry proteomics Nature Machine Intelligence 2025 SegmentNT用DNA基础模型在单核苷酸分辨率下和AI Know-how：在不到12个月的时间里发表了6篇Nature期刊AI Day©2025 BioNTech SE & instaDeep Ltd. I 2025年10月I 31

IMO2025金牌成绩11。DeepMind凭借通用型推理LLM实现2025年国际数学奥林匹克运动会金牌级成绩！（ref）– 2025年7月21日2。OpenAI通用推理模型解决了2025年国际大学编程竞赛（ICPC）世界总决赛（ref）– 2025年9月17日的全部12个问题3。DeepMind发布Gemini Robotics 1.5-AI模型，让机器人在不同的物理环境中感知、规划、思考和行动，以可解释的推理（ref）完成复杂、多步骤的任务– 2025年9月25日国际编程大赛第1名2物理代理的成长能力3伸缩法则推动AI创新AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 35

一个完全集成的AI生态系统InstaDeep专为AI打造的AI超级计算机，提供全面的控制、可见性和性能。AIChor编排平台一个Kubernetes原生AI训练平台，用于无缝扩展和快速实验。JAX Software中的ML软件生态系统，用于高性能计算和高级模型优化。AI Innovation Pioneer在生成模型、表示学习和推理方面开展工作。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 37

2025年+ 1.5万个实验/月+ 75% GPU使用简单GitOps工作流程：Commit → build → run → monitor scalable Kubernetes-native provisioning and auto-scaling across clusters Flexible modular data plane for multi-cluster and multi-cloud compute AIchor，a complete AI training platform，ready for production and built for scale。AIchor编排平台https://aichor.ai/内部AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 39

1 |高效训练100B参数基础模型分层模型分片机架# 7交换机H100 DGX 8x H100 GPU H100 DGX 8x H100 GPU开关架# 11交换机H100 DGX 8x H100 GPU H100 DGX 8x H100 GPU开关架# 14交换机H100 DGX 8x H100 GPU H100 TERM0 8x H100 GPU Switch Spine Switch # 1 Spine Switch # 2Intra-node：fully shared data paralism（NVLink）Kyber节点间：data paralism（RoCE）AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 41

1 |高效训练100B参数基础模型分层模型分片丨节点内：完全分片的数据并行性（NVLink）丨节点间：数据并行性（RoCE）丨张量和序列并行性可用的代码优化丨CuDNN内核（例如Flash Attention）丨与FP8量子化的混合精度丨XLA编译器和ROCE构型调优丨NUMA绑定亲和力丨…模型FLOPs Utilization（MFU）这是观察到的吞吐量（每秒代币）与在峰值FLOP下运行的系统的理论最大吞吐量的比率。例如，Llama 3.1 405B在16,384个H100 GPU上实现了38到41%的MFU。+ 66%模型FLOPs利用率（MFU）在64xH100GPU AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 42

模拟速度最高提速5倍160原子分子For 1ns（runtime in min）re-engineered OS code instaDeep OS MLIP library instaDeep backends & models over 100,000 atoms on one GPU imipenem binding to L，D-transeptidase better cheaper scalable quantum chemistry level accuracy 2 | scaling molecules screening with machine learning interatomic potential m LI P E ne rg ie s fo rc e Fi el d s en er g ie s DFT参考能量法Hardware runtime relative compute cost DFT 64 CPU core~145 days $ 12,500 MLIP 1 H100 GPU比150原子分子内部AI日估计的DFT©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 45

用于基因组学的生成AI –发表在顶级期刊Nucleotide Transformer Building and Evaluating Robust Foundation Model for Human Genomics Nature Methods，2024 SegmentNT Segmenting the Genome at Single-Nucleotide Resolution with DNA Foundation Model Nature Methods，2025 IsoFormer Multi-modal Transfer Learning between Biological Foundation Models NeurIPS Conference，2024 ChatNT A Multi-modal Conversational Agent for Genomics Nature Machine Intelligence，2025 AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 50

介绍NTV3：一种新的、真正具有基础的、具有百万核苷酸背景的基因组学模型多物种超过15万个物种基因组多模式基因组+功能轨迹+基因组注释多域人类基因组学、植物基因组学、宏基因组学远程高达100万个输入核苷酸生成能力DNA序列从头设计具有体外验证的模型套件为效率最快的基础模型可用的基因组轨迹（例如基因表达）基因组注释（例如基因、剪接位点发现）变异预测（例如eQTL，有害突变）序列生成（例如增强子设计）NTV3 DNA序列A C T A T C T A G A T A GT G AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 52

代|与Alex Stark Experiment合作设计NTV3调控增强子序列设计启动子特异性增强子，活性水平不同，在果蝇细胞系中。动机增强子是调节基因表达的序列元件，可用于基因治疗。Approach Fine-tune NTV3 to become a generative model using masked diffusion language models（MDLM）validation experimental validation through vitro MPRAs AI day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 67

ABFN2 CDR-H1 CDR-H2 CDR-H3 VH：EVQLLESGGLVQPGGSLRLSCAASGFTFSSYAMSWVRQAPGKGLEWVSAISWNSGSISGSIYADSVKGRFTISRDNSKNTLYLQMNSLRAEDTAVYCARGWSQVDTAMDDYGQTLVTVSS D GeneV gene J gene CDR-L1 CDR-L2 CDR-L3 VL：DIQMTQSPSSSVSASVGDRVTITCRASQSVSSNLAWYQQKPGKAPKLLIYGASSLQSGVPSRFSSGSGSGSGSGTDFTLTISSLQPEDFATYYCQQQ据估计，> 1016个抗体序列是可能的：具有多个设计目标的大海捞针问题。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 77

ABFN2在23/23序列标记任务1上实现SOTA结果，展示了对抗体序列遗传和生物物理属性的稳健学习。序列标注•序列标注是转向生成和设计的先决条件。• ABFN2是一站式标签工具，•简化传统计算管道，提高精度。1.对10000个未见抗体进行实验，这些抗体被竞争对手的模型和传统工具标记。分类数据通过平衡F1分数评估，连续数据通过皮尔逊R和根均方误差评估。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 79

• ABFN2优化具有多个条件的序列1，使用推理时间计算缩放来生成用于早期发现和优化的不同候选者。使用ABFN2的多目标设计> 80%：成功率（总体）> 90%：成功率（易处理的候选者）46.6：突变数量（1个目标）56.9：突变数量（5个目标）EVQLLESGGGLVQPGGSLRLSCAAS..。QVQLLESGGSLVQPGGSLRLSCAAS..。QVQLLESGGSLVQPGGSIRLSCARS..。推理时间计算缩放1。优化了91个多序列负债的高风险未见序列。对于每个序列，产生了4个候选者，最多可进行15次回收迭代。为每个候选者报告最佳变体的结果。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 81

实验验证目的人源化抗体以减少副作用，从前体序列1开始生成设计结果与人工设计的临床阶段对应物相比，我们的序列实现了相似的表达，平均编辑次数更少。1.对于每一种前体抗体，如前所述生成设计。设计被转换为scFV格式，并在无细胞大肠杆菌表达系统中表达。将表达水平与实验人源化参考序列的表达水平进行比较，并使用生物层干涉法评估结合。实验人源化对照序列是Marks等人，BioInformatics，20212。由于实验装置和选定的支架，KD值可能在报告值和文献值之间有所不同。3.exp.（experimental）指Marks et al，BioInformatics，2021 target # mutations binding（Kd，nM）2 exp3中存在的单个分子（每个靶点）。我们的Exp3。我们的IL-6RA423710.91 3.6 IL-5 41340.30 40.577 Her2 556314.12 9.3 IGE 60422.8 27.92 ABFN2可实现高效的硅人源化，保留抗原结合，同时无需冗长且昂贵的湿实验室实验。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 84

Database searchReference library JETs lncRNA known dark tumor antigens（dTA）TMDPKTGYQ TAYEPTTFW ATGPVMPTR MS2 spectra TMDPKTGYQ GARVEMEYR ATGPVMPTR all possible peptides Incl. any unexpected targets TAYEPTTFW SWHADEQV IGEYKTSLS…InstaNovo的无库方法允许发现意想不到的深色蛋白质组抗原AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 92

InstaNovo（auto-regressive）和InstaNovo +（diffusion）相结合，优于SOTA方法。已经显示出从未记录的ORF和异常剪接中检测肿瘤特异性表位的潜力。发表于Science Magazine Eloff，K.、Kalogeropoulos，K.、Mabona，A.等覆盖的Nature Machine Intelligence。InstaNovo在大规模蛋白质组学实验中实现了扩散驱动的从头肽测序。Nature Machine Intelligence 7,565 – 579（2025）. https://doi.org/10.1038/s42256-025-01019-5 InstaNovo SOTA de novo多肽测序AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 93

引入InstaNovo V2更大的数据集6300万个标记光谱更快预测速度高达50倍推理更高精度10 – 15%增加多肽回收更多鉴定高达2 ×鉴定数量“引入下一代InstaNovo模型”，https://instanovo.ai/introducing-the-next-generation-of-instanovo-models/下一代InstaNovo模型AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 94

高价纳米颗粒疫苗对艰难的传染病目标产生强抗体反应乙型肝炎疫苗1人乳头瘤病毒疫苗2疟疾疫苗3目标：利用人工智能构建适合利用mRNA疫苗力量的纳米颗粒纳米颗粒疫苗在支架上拥有重复抗原的王冠，与单独的抗原相比，它们产生的免疫反应得到改善人类所有的纳米颗粒疫苗都是基于蛋白质的1。Valenzuela等人Nature。1982.2.Kirnbauer等Proc。Natl。Acad。Sci.1992。3.Collins et al. Sci Rep. 2017。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 110

残基环境决定最佳取代，但因TCR与TCR不同而不同整体TCR：pMHC对接相似，但精确CDR环位置高度多样在两个同时共享V基因和MHC等位基因（PDB ID：5nht、6vm9）的结构中的发散种系CDR2 β-MHC相互作用12个TCRPMHC结构叠加MHC（PDB ID：1ao7、1mi5、2ak4、2nx5、2ypl、3dxa、3ffc、3h9s、3vxm、4g8g、4jrx、4mji）肽CDR3 β CDR3 α由于TCRPMHC相互作用的高度结构多样性，学习TCR优化的规则很难AI Day©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 126

01020304050 Boltz-1丨Chai-1 ²我们的模型对于每个模型，5个生成结构中至少有一个实现CDR3 RMSD < 2.5 ø的目标的分数。测试集只包含看不见的目标。测试目标上的性能基准（CDR3 RMSD < 2.5 ø）1。Wohlwend等人，Boltz-1：Democratizing Biomolecular Interaction Modeling，bioRxiv，2025。2.Chai Discovery等人，Chai-1：解码生命的分子相互作用，bioRxiv，2024。202530354045500200400每个目标生成的结构数量Boltz-1丨Chai-1 ²我们的模型% ta rg et s w ith to p-5 m od el C D R3 R M SD < 2.5埃我们的方法优于快速饱和% o f t ar ge ts w ith C D R3 R M SD < 2.5埃的采样模型我们的模型在TCR – pMHC结构预测AI Day中优于最先进的©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 127

solTCR natural TCRs TCR-T measurement re pe at natural TCR enhanced TCR round K d，M variant sampler亲和力预测器结构来源：TCR亲和力在3轮内提高超过10万倍的内部示例我们的AI管道在四个考虑的目标上实现了平均50,000倍的TCR结合增强，在三轮或更短的时间内。我们反复达到皮摩尔亲和力。AI日©2025 BioNTech SE & InstaDeep Ltd. I 2025年10月I 128