2026年《Nature》一项评测覆盖29家机构、511条AI设计抗体,结论耐人寻味。
做亲和力优化,AI已能上手;但一到复杂成药任务,现阶段仍难胜任。
AIx生物制药微信②群已开启
扫描上方群二维码,加入AIx生物制药微信交流群,进群备注姓名、公司名,交流一线产业观点。
换句话说,AI能画图、能算序列,却还不太懂抗体成为药物的全部代价。
问题首先不在算法,而在数据。
模型用什么数据训练,就学成什么“认知”。
用免疫库序列训练,它学序列规律;用结构数据训练,它学空间构象;想让它识别中和力、受体激动效应或聚集风险,就必须有对应属性的湿实验标签和验证数据。
标签若只是“某浓度下结合力”,模型学到的就是那个读数相关规律,不会因为标签叫“结合”,就自动理解平衡亲和力,更不会推导药理功能。
这就是AI抗体设计的核心矛盾:容易扩规模的数据,未必回答关键问题;贴近机制的数据,又往往太少。
NGS让天然BCR库轻松到百万、千万级,但真正带一一对应KD、kon/koff、表位等功能数据的序列,少几个数量级。
更麻烦的是,现有数据严重偏向“被研究透”的序列,不是随机抽样。
缺Large、Diverse、Unbiased的高质量数据,模型可靠性自然打折。
湿实验不是AI的配角,而是定义AI能学什么的主角。
生物学数据高度依赖条件:同一序列,换抗体形式、抗原构建体或检测方法,读数可能不同;都叫亲和力,也要看测量方法、实验范围和拟合假设。
没有元数据,模型看到的就是同一序列的多个冲突数字。
按这个标准,很多公司攒下的数据未必是蜜糖,可能是砒霜:你以为在训练智能,最后可能训出“智障”。
阴性数据同样有价值,但价值取决于怎么定义。
表达低导致亲和力测试失败,若不区分就记成阴性,模型可能把表达问题误学成结合问题。
AI要的不是片面筛选后的“漂亮数据”,而是保留完整性的数据链。
更现实的是,抗体是典型多目标优化:亲和力、特异性、表达、稳定性、溶解性、聚集、多反应性、PK、免疫原性……常常KD提高10倍,表达却变差,牵一发而动全身。
理想数据,是同一条序列下同时拥有多属性湿实验读数,且来自同一实验体系、同一protocol、完整元数据。
所以,Closed Loop不是PPT里的循环,而是数据复利。
第一轮1000个设计只有20个像样,第二轮命中率提高,第三轮又学到失败边界。
算法会趋同,真正难复制的是用统一SOP、固定分析方法,把成百上千靶点的序列—功能数据一轮轮做出来。
公开论文里扒来的数据,和原生、标准化、连续定量、与模型迭代同步的数据,价值不可同日而语。
由此看,未来最强的AI抗体公司,可能越来越像高度自动化的湿实验数据工厂。
传统平台比交付量,AI时代要比“每个实验点产生多少可学习信息”:同样筛1000条抗体,只留“结合/不结合”价值有限;若同时有KD、kon/koff、表达、Tm、聚集、多反应性、表位和细胞活性,训练价值就是另一个量级。
算法是引擎,数据是燃料,湿实验是炼油厂。
谁能源源不断生产低成本、高通量、高信息量、可追溯的标准化数据,谁才真正握有抗体AI的护城河。
识别微信二维码,添加抗体圈小编,符合条件者即可加入
抗体圈微信群!
请注明:姓名+研究方向!
本公众号所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系(cbplib@163.com),我们将立即进行删除处理。所有文章仅代表作者观点,不代表本站立场。
热门跟贴