據英國《自然》周刊網站3月19日報道，研究人員首次利用生成式人工智能（AI）制造出全新抗體。
報道稱，本周生物學預印本資料庫中的一份預印本報告的原理驗證研究，提高了將“AI指導的蛋白質設計引入治療性抗體市場”的可能性，該市場價值數千億美元。
傳統上看，抗體用蠻力方式制造，涉及對動物免疫接種或篩選大量分子。
該研究的共同作者、西雅圖華盛頓大學的計算生物化學家納撒尼爾·貝內特說，簡化這些成本高昂努力的AI工具，有可能“使設計抗體的能力大眾化”。貝內特說：“十年后，這就是我們設計抗體的方式。”
英國牛津大學的免疫信息學家夏洛特·迪恩說，“這是一項前景非常光明的研究”，它代表著將AI蛋白設計工具應用于制造新抗體的重要一步。
貝內特和他的同事們使用了自己團隊去年發布的一種AI工具，該工具幫助改變了蛋白設計。這種被稱為RFdiffusion的工具令研究人員得以設計出能夠與另一種被選中的蛋白緊密結合的微型蛋白。
但這些定制蛋白與抗體沒有相似之處，抗體能夠通過松散環路識別它們的目標，但事實證明這難以用AI來模仿。
為克服這個問題，由華盛頓大學計算生物物理學家戴維·貝克和計算生物化學家約瑟夫·沃森共同領導的團隊，改進了RFdiffusion。該工具基于一個神經網絡，這個網絡類似于米德朱尼(Midjourney)和多爾-E(DALL-E)等圖像生成AI使用的神經網絡。
該團隊利用成千上萬經實驗確定的與目標結合的抗體結構以及其他抗體樣相互作用的現實例子，訓練并微調了這個網絡。
利用這種方法，研究人員設計了數千種抗體，這些抗體可以識別若干種細菌和病毒蛋白的特定區域(包括新冠病毒和流感病毒用來入侵細胞的那些蛋白)，以及癌癥藥物靶點。
然后，他們在實驗室中制造了這些設計中的一部分，并測試這些分子能否與正確的目標結合。
沃森說，大約每100種抗體設計中有一種能達到預期效果，這一成功率低于該團隊目前使用其他類型的AI設計蛋白質達到的成功率。
研究人員利用一種名為低溫電子顯微鏡的技術，確定了一種流感抗體的結構，發現它識別了目標蛋白質的預期部分。
少數幾家公司已經在使用生成式AI來幫助研發抗體藥物。貝克和沃森的研究團隊希望RFdiffusion能夠幫助應對一些具有挑戰性的藥物靶點，比如G蛋白偶聯受體——一種幫助控制細胞對外部化學物質反應的膜蛋白。
不過，RFdiffusion生產出來的抗體要進入臨床還有很長的路要走。那些確實奏效的設計抗體并沒有特別緊密地與目標結合。任何用于治療的抗體還需要修改其序列，以使其類似于天然的人類抗體，以免引起免疫反應。
這種設計也被稱為單域抗體，類似于在駱駝和鯊魚身上發現的抗體，而不是幾乎所有獲批抗體藥物基于的更復雜蛋白質。迪恩說，這些類型的抗體更容易設計，也更容易在實驗室中研究，因此首先設計這些抗體是有道理的。迪恩說：“但這并不意味著它不是朝我們需要的那些方法邁出的一步。”
沃森強調：“這是一項原理論證研究。”但他希望這一初步成功將為一鍵設計抗體藥物鋪平道路。
沃森說：“這感覺像是一個相當具有里程碑意義的時刻。它確實表明這是可能的。”（編譯/李莎）
據英國《自然》周刊網站3月19日報道，研究人員首次利用生成式人工智能（AI）制造出全新抗體。
報道稱，本周生物學預印本資料庫中的一份預印本報告的原理驗證研究，提高了將“AI指導的蛋白質設計引入治療性抗體市場”的可能性，該市場價值數千億美元。
傳統上看，抗體用蠻力方式制造，涉及對動物免疫接種或篩選大量分子。
該研究的共同作者、西雅圖華盛頓大學的計算生物化學家納撒尼爾·貝內特說，簡化這些成本高昂努力的AI工具，有可能“使設計抗體的能力大眾化”。貝內特說：“十年后，這就是我們設計抗體的方式。”
英國牛津大學的免疫信息學家夏洛特·迪恩說，“這是一項前景非常光明的研究”，它代表著將AI蛋白設計工具應用于制造新抗體的重要一步。
貝內特和他的同事們使用了自己團隊去年發布的一種AI工具，該工具幫助改變了蛋白設計。這種被稱為RFdiffusion的工具令研究人員得以設計出能夠與另一種被選中的蛋白緊密結合的微型蛋白。
但這些定制蛋白與抗體沒有相似之處，抗體能夠通過松散環路識別它們的目標，但事實證明這難以用AI來模仿。
為克服這個問題，由華盛頓大學計算生物物理學家戴維·貝克和計算生物化學家約瑟夫·沃森共同領導的團隊，改進了RFdiffusion。該工具基于一個神經網絡，這個網絡類似于米德朱尼(Midjourney)和多爾-E(DALL-E)等圖像生成AI使用的神經網絡。
該團隊利用成千上萬經實驗確定的與目標結合的抗體結構以及其他抗體樣相互作用的現實例子，訓練并微調了這個網絡。
利用這種方法，研究人員設計了數千種抗體，這些抗體可以識別若干種細菌和病毒蛋白的特定區域(包括新冠病毒和流感病毒用來入侵細胞的那些蛋白)，以及癌癥藥物靶點。
然后，他們在實驗室中制造了這些設計中的一部分，并測試這些分子能否與正確的目標結合。
沃森說，大約每100種抗體設計中有一種能達到預期效果，這一成功率低于該團隊目前使用其他類型的AI設計蛋白質達到的成功率。
研究人員利用一種名為低溫電子顯微鏡的技術，確定了一種流感抗體的結構，發現它識別了目標蛋白質的預期部分。
少數幾家公司已經在使用生成式AI來幫助研發抗體藥物。貝克和沃森的研究團隊希望RFdiffusion能夠幫助應對一些具有挑戰性的藥物靶點，比如G蛋白偶聯受體——一種幫助控制細胞對外部化學物質反應的膜蛋白。
不過，RFdiffusion生產出來的抗體要進入臨床還有很長的路要走。那些確實奏效的設計抗體并沒有特別緊密地與目標結合。任何用于治療的抗體還需要修改其序列，以使其類似于天然的人類抗體，以免引起免疫反應。
這種設計也被稱為單域抗體，類似于在駱駝和鯊魚身上發現的抗體，而不是幾乎所有獲批抗體藥物基于的更復雜蛋白質。迪恩說，這些類型的抗體更容易設計，也更容易在實驗室中研究，因此首先設計這些抗體是有道理的。迪恩說：“但這并不意味著它不是朝我們需要的那些方法邁出的一步。”
沃森強調：“這是一項原理論證研究。”但他希望這一初步成功將為一鍵設計抗體藥物鋪平道路。
沃森說：“這感覺像是一個相當具有里程碑意義的時刻。它確實表明這是可能的。”（編譯/李莎）
本文鏈接：英媒：人工智能助力抗體設計http://www.sq15.cn/show-2-4138-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 英國2026年試飛電動“飛的”