人工智能驱动抗体研发步入加速阶段

自“阿尔法折叠2”刷新蛋白质结构预测精度后，人工智能技术在治疗性抗体研发领域迎来了突破式发展。

据《自然》网站报道，最近几年，多支科研团队通过研发AI平台，辅助设计并成功合成了多种功能各异的新型抗体。专家也提醒，这些新抗体的安全性与疗效仍有待进一步实验验证。

舆情网抗体药物市场蕴藏巨大潜力

抗体是免疫系统识别特定靶点并激发免疫反应的基础蛋白质。它们和所有蛋白质一样，由氨基酸折叠形成复杂立体结构，既能够阻断病原体进入细胞，还能标记异常细胞供免疫系统清除；同时在药物递送或抑制疾病相关蛋白的过程中也扮演重要角色。目前全球已有超过160种工程化抗体通过审批，广泛应用于癌症、感染性疾病、自身免疫性疾病等治疗中。

根据英国牛津大学《抗体治疗》杂志2022年数据显示，随着大量新型抗体问世，预计到2028年，全球抗体药物市场年产值将超过4550亿美元。正如华盛顿大学蛋白质设计领域专家、诺贝尔奖获得者戴维·贝克所言：“抗体已成为医药行业的核心资源。”

然而，传统的抗体研发流程普遍存在周期长、耗资高、技术难度大等瓶颈。每一个候选抗体都需多轮筛选和优化，才能达到药物使用的所有条件，比如高溶解性、强靶向性和低副作用等。麻省理工学院机器学习专家加布里埃尔·科尔索表示，AI的最新突破正在深刻改变抗体设计方式，让全计算机辅助设计功能性抗体逐步成为现实。

创新加速，成果迭出

据《自然》和《科学》的报道，多支团队运用自研的AI平台以及开源模型，已开发出多系列功能型抗体药物。

去年秋季，华盛顿州生物技术企业Absci宣布，设计出针对艾滋病病毒（HIV）所有毒株共有区域——“火山口区”的专属抗体，有望开发为广谱抗HIV药物。公司联合创始人肖恩·麦克莱恩介绍，团队已将AI抗体设计拓展至子宫内膜异位症、炎症性肠病以及脱发等领域。

加布里埃尔·科尔索及其团队推出的BoltzGen模型，专注于蛋白及多肽结合剂的计算机辅助设计，不只涵盖传统抗体，还可生成纳米抗体。该模型能够同时进行蛋白结构预测和结合剂设计，在原子的精度下调控分子结构。纳米抗体是科学家在骆驼、羊驼和鲨鱼体内发现的小型天然抗体分子，具备完整的抗原结合功能。

今年10月，科尔索团队称BoltzGen模型已经生成多种可靶向癌症、病毒与细菌感染的纳米抗体。团队在细胞实验中表达了15个最有潜力的分子，其中数种展现出极强的结合能力，尽管这些抗体尚未进行疾病模型上的应用。

其他团队也有亮眼成果。今年2月，贝克团队宣布利用AI技术发现能结合所有流感病毒共有蛋白的广谱抗体，为流感药物开发打开新思路。同时间，团队还报道了可中和艰难梭菌毒素的新型抗体，这类感染在临床中十分棘手且致死率较高。

上月，美国加州生物技术公司Nabla与AI初创企业Chai Discovery联合宣布，通过AI平台不仅诞生了纳米抗体，还首次设计出全长抗体。有些抗体甚至能特异性靶向G蛋白偶联受体（GPCR）——过往难以攻克的靶点。Nabla团队通过AI生成了数万个GPCR结合抗体，其中几十种在实验室测试中表现出媲美甚至超越传统药物的亲和力，而传统研发通常需要几年甚至更久。

Nabla首席执行官瑟吉·比斯瓦斯指出，一旦能够精准调节GPCR活性，就如同掌握了控制细胞和疾病发展的关键。AI系统通过不断学习有效案例，迅速输出大量新型候选分子。

丹麦工业大学蛋白质工程师蒂莫西·詹金斯认为，AI抗体设计正在极大加快临床药物候选数量的增长，提升了研发效率。

安全考验仍需突破

加州大学尔湾分校合成生物学专家刘畅认为，完全由AI设计的新抗体距离进入人体试验的阶段已不远。上周Genative生物医学公司已启动针对严重哮喘的抗体药物大规模临床测试。借助AI优化，这些抗体显示出更强的结合能力和稳定性，药理属性也有显著提升。

不过，虽然AI工具已能高效生成设计，但效果仍因靶点而异，且关键参数如结合强度还难准确预估。业界预期，要建立可完全依托AI设计抗体的生产体系仍需数年探索。

比斯瓦斯再次指出，AI生成的抗体结构虽然与常规抗体相近，但人体免疫系统是否会误认其为外来物仍需要严密评估，临床前安全测试至关重要。开发者也需逐步明确这些AI抗体的适用场景，比如GPCR等传统难点靶点的攻克。

他最后补充道，未来AI或许能设计出更具创新性的抗体，比如可穿透血脑屏障或同时锁定多个靶点。科学家一旦能快速批量生成抗体雏形，就能将精力更集中在重大科研挑战上。