研究人员首次利用生成式【人工智能制造出全新抗体。人工这项3月18日公布于bioRxiv的智能制造原理验证工作，提高了将人工智能引导的首次蛋白质设计带入价值数千亿美元的治疗性抗体市场的可能性。

　　抗体是从零出全一种与那些和疾病相关的蛋白质紧密结合的免疫分子，通常◤是新抗用“蛮力”方式制成的，包括对动物进行免疫或筛选大量分子。人工

　　论文作者之▆一、智能制■造美国华盛顿大学西雅图分校计算生物化学家Nathaniel Bennett表示，首次人工智能工具让高成本的从零出全抗体制造有了ㄨ捷径，有可能“使设计抗体的新抗能力大众化”。“10年后，人工这就是智能制造我们↓设计抗体的方式。”

　　英国牛津大学□　免疫信息学家Charlotte Deane表示，首次“这是从零出全一项非常有前♂景的研究”，代表了将人工智能蛋白质设计工具应用于制造新抗体的新抗重要一步。

　　Bennett和同事使用的是◎团队去年发布的人工智能工具，有助于改变蛋白质设计。该¤工具名为RFdiffusion，使研究＠人员能够设计出与另一种蛋白质紧密结合的微型蛋白质。但这些定制蛋白质与抗体没有相似之处——抗々体通过软环的方式识别目标，而事实证明，软环难以用人工智能建模。

　　为了解决这一◥问题，华盛顿大学西雅图分校计♀算生物物理学家David Baker和计算生物化学家Joseph Watson共同领导的团队◥改进了RFdiffusion。

　　该工具基于一个≡神经网络，类似于Midjourney和DALL·E等图像生成人工智能使用的神经网络。团队通过对数千个实验确定的附着在目标←上的抗体结构，以及其他类似〇抗体相互作用的真实例子进行训练，对网络进行了微调。

　　利用这种方法№，研究人员设计了数千种抗体。这些抗体能够识别几种细菌和病毒蛋白质的特定区↓域，包括新型冠状病毒和流感病毒入▲侵细胞的区域，以及癌症药物的靶点。然后，研究人员在实验室中』制作了他们设计的一个子集，并测试了这些分子能否与正确的目标结合。

　　Watson说，大约每100个抗体设计中就有★一个能达到预期效果，这一成功率低于团队使用其他类型的人工智能设计蛋白质获得的成功率。研究人员使用冷冻电子显微镜技术确定了其∮中一种流感抗体的结构，并发现这种抗体能够识别出目标蛋白质▃的预期部分。

　　少数公司已经在使用生成式人≡工智能开发抗体药物。Baker和Watson的团队希望RFdiffusion能够帮助处理已被证明具有挑々战性的药物靶◥点，如G蛋白偶联受体—— 一种有助于控制细胞对外部化学物质反应的膜蛋白。

　　不过，RFdiffusion产生的抗体距离临床还有很长的路要走。设计的抗体确实能起作用，但与靶点的结合力并不是特别强。此外，任何用于治疗的〒抗体都需要将其序列修改为类似于天然的人类抗体，以免引起免疫反应。

　　这种＠ 设计也被称为单域抗体，与在骆驼和鲨鱼中发现的抗体相似，而不是金年会·诚信至上金字招牌几乎所有获批的抗体药物所基于的更◆复杂的蛋白质。Deane说，这种类型的抗体更容易设计，也更容易在实验室中进行研究，因此首先设计它们是︻有意义的，“这并不妨碍它成为我们迈向所需方法的一步”。

　　Watson强调这是一项原理验证工作，但他希望这一初步成功将为一键设计抗体药物铺√平道路。“这是一个具有里程碑意义的时刻。它确实表♂明这是可能的。”（王方）