生物学家在蛋白质设计领域去年取得了里程碑式的成就：利用人工智能（AI）设计全新的抗体分子。这些原理验证性设计缺乏商业抗体药物所具有的效力和其他关键特性，但它们每年的销售额高达数百亿美元。
相关链接：https://www.nature.com/articles/d41586-024-00846-7
经过一年的进展，科学家们表示他们正接近将人工智能设计的抗体转化为潜在疗法。在最近几周，众多团队报告成功使用专有商业 AI 工具和开源模型制作出具有抗体药物特性的抗体。
丹麦哥本哈根技术大学（Technical University of Denmark in Kongens Lyngby）的蛋白质工程师 Timothy Jenkins 补充说，新抗体从头设计的最新成功“将会对从头设计的疗法的诞生速度与数量上产生巨大影响”。
相关信息以「What will be the first AI-designed drug? These disease-fighting antibodies are top contenders」为题，于 2025 年 12 月 9 日发布在《Nature》。
原文链接：https://www.nature.com/articles/d41586-025-03965-x
精准纳米抗体
治疗性抗体通常是通过筛选大量不同的素材来寻找能够识别特定靶标的抗体。但有时，这些筛选只会出现与靶标结合较弱或识别其错误区域的抗体。
麻省剑桥抗体设计公司 Nabla Bio 的首席执行官 Surge Biswas 表示，这其中的精确度并不高。科学家们希望能更明确抗体的目标——例如与疾病相关的酶的活性位点——并由 AI 模型提出设计建议。“AI 指导设计的承诺在于你可以达到原子级的精确度。”Biswas 补充道。
抗体——免疫蛋白，能够以极高的特异性识别外来分子，如病原体产生的分子——一直是人工智能设计的一大挑战。像 AlphaFold 这样的人工智能模型预测抗体识别其靶标的柔性环区域的形状一直存在困难。
但麻省理工学院剑桥分校的机器学习科学家 Gabriele Corso 表示，过去一年开发的新工具——包括 AlphaFold 的更新版本——在模拟这些柔性区域方面表现更好。抗体设计方面的进展也随之而来。
相关链接：https://www.nature.com/articles/d41586-024-01383-z
10 月，Corso 和同事在一篇预印本中描述了 BoltzGen 模型，展示了该模型能够巧妙设计“纳米抗体”——一种小而简单的抗体，这些抗体针对与癌症、病毒和细菌感染及其他疾病相关的蛋白质。
图示：BoltzGen 在九个无已知结合剂的靶点上的测试。
在大多数情况下，研究人员在细胞中表达 15 种最有潜力的设计并在实验室测试后，就识别出了具有强目标结合能力的抗体。但这些分子尚未在疾病模型中进行测试。
世界各地的其他团队也取得了类似的进展。例如，加利福尼亚州斯坦福大学和加利福尼亚州帕洛阿尔托的 Arc 研究所的一个团队也发布了一个能够高效设计纳米抗体的模型。上个月，2024 年突破背后的研究人员——由在华盛顿西雅图华盛顿大学的诺贝尔奖获得者生物物理学家大卫·贝克领导——在《Nature》杂志上报告了他们使用另一个开源工具在纳米抗体设计方面取得的显著改进。
全长抗体
在人工智能抗体设计领域，最雄心勃勃的声明来自那些致力于解决这一挑战的公司。上个月，加利福尼亚州旧金山的 Nabla 和 Chai Discovery 的科学家表示，他们已使用人工智能工具制造出“药物样”抗体。
双方团队均表示，除了由单一链氨基酸组成的纳米抗体外，他们还生成了全长的抗体。贝克团队也在其报告中报告了这类设计。一些设计分子能够识别多种疾病靶点——包括被称为 G 蛋白偶联受体（GPCR）的分子——其效力与商业抗体药物相似。它们还具备一些关键特性，例如能够以高水平的产量生产，并且只识别其预定的靶点。
图示：T2 噬菌体吸附在绿色的大肠杆菌细胞壁上。
Jenkins 和其他科学家表示，他们希望看到 Nabla 和 Chai 的声明背后的数据，但两家公司都没有发布其设计的抗体序列。Jenkins 补充说，尚不清楚专有模型与他的团队正在使用的最佳开源工具相比如何，这些工具用于设计蛇抗毒血清、癌症疗法和生物威胁的应对措施。
南旧金山 K2 Therapeutics 抗体治疗公司的联合创始人 Liu 表示：开源抗体设计工具对那些没有资源开发自己的初创公司也很有吸引力。这些模型还有潜力促进一个更大规模的科学家生态系统，他们使用并在此基础上进行开发。
临床试验
很快，完全由人工智能设计的抗体可能就会进入人体试验。LIU 说，最新的工具或许已经能够产出合格的设计方案。但它们在不同靶点上的表现不均一，且无法预测设计的关键特性（如结合强度），这可能会减缓其应用进程，还需要几年时间才能完全依赖模型进行开发。
上周，位于马萨诸塞州索默维尔的 Generate Biomedicine 公司启动了一项针对重度哮喘的抗体药物的大规模临床试验。该公司利用人工智能优化了现有抗体，以改善其结合能力、稳定性及其他特性。
相关链接：https://www.nature.com/articles/d41586-025-03441-6
Biswas表示，一个关键的悬而未决问题是，身体是否会将 AI 设计的抗体识别为外来分子，从而引发免疫。这些抗体看起来与传统方法开发的抗体无异，但在试验前仍需进一步安全测试。
药物开发者还需要时间来确定 AI 抗体的最佳疾病靶点。Biswas 表示，他希望 AI 抗体能够解锁过去一直存在的挑战靶点，比如 GPCRs。人工智能还可能设计具有独特特性的抗体，比如能够穿透大脑或在单一设计中识别结合靶点。
热门跟贴