AI技术重塑抗体药物研发格局

引言

自2024年研究人员首次借助人工智能技术成功构建全新抗体分子结构以来，短短十二个月内，该领域便实现了多项关键性突破，使得完全由AI参与设计的药物进入人体临床试验的目标日益临近。多家生物科技企业披露，他们已运用自研或公开的AI算法，成功生成了具备成熟抗体药物核心特征的分子产物，涵盖高亲和力、优秀的表达量以及精准的靶向性。虽然完全依托AI系统开展药物研发尚需数年时间，但业界普遍认同，AI设计的抗体药物已临近临床试验的关键节点，有望攻克传统手段难以作用的疾病靶点。

-02-

2024年，由诺贝尔奖获得者David Baker主导的团队在AI蛋白质设计领域实现了原理层面的突破，但初期设计的抗体在疗效和成药属性方面仍存在不足。过去一年间，新型算法的涌现显著增强了AI模型处理抗体可变区（这些区域对识别目标抗原起决定性作用）的能力。比如，麻省理工学院的Gabriele Corso及其团队在预印本中提出的BoltzGen模型，已能够熟练地设计针对肿瘤、病毒及细菌感染等相关蛋白的“纳米抗体”——这是一类源自鲨鱼和骆驼体内的结构简单、尺寸较小的抗体。在多数情况下，研究人员仅需在细胞中表达15个最具潜力的设计方案并进行实验验证，便可筛选出具有强效靶标结合能力的抗体。

与此同时，其他研究团队也取得了相似的技术进展。斯坦福大学与加州帕洛阿尔托Arc研究所的联合团队发布了一款能够高效设计纳米抗体的算法模型。David Baker团队同样在《自然》期刊上公布了其纳米抗体设计工作的重大改进成果。

更为引人注目的是，部分企业已宣布在设计并生成“具备药物特性”的完整长度抗体方面取得突破。比如，位于马萨诸塞州剑桥的Nabla Bio公司与位于加州旧金山的Chai Discovery公司的科研人员表示，他们已运用AI工具成功制造出完整抗体。Baker的团队在其发表的报告中也阐述了类似的设计成果。实验数据显示，部分设计出的分子能够以与市售抗体药物相当的效力识别多种疾病靶点，包括长期困扰传统抗体设计的G蛋白偶联受体。这些分子还具有可能决定候选药物成功与否的有益特征，例如高水平的生产能力以及仅识别目标靶点的专一性。

-03-

尽管业界对AI设计抗体的最新进展充满期待，但科研人员也提醒需理性看待相关数据。丹麦技术大学的蛋白质工程专家Timothy Jenkins表示，他希望能看到支持Nabla和Chai公司声明背后的原始数据，且两家公司均未公开其设计抗体的具体序列信息。此外，目前尚不明确这些专有模型与最优开源工具的性能对比情况。

尽管如此，首个AI设计的抗体进入人体试验的时间可能不会太遥远。位于加州南旧金山的K2 Therapeutics公司联合创始人、合成生物学家Chang Liu认为，最新的工具可能已经在产出有潜力的设计方案。然而，AI模型在不同靶点上的表现参差不齐，以及其在预测设计关键属性（如结合强度）方面的能力有限，可能会延缓其实际应用进程。Liu估计，“我们可能还需要若干年才能达到完全依赖模型来制造抗体治疗药物的阶段”。

一个关键的未解问题是安全性：人体免疫系统是否会将AI设计的抗体识别为异物，从而可能触发危险的免疫应答。Nabla Bio的首席执行官Surge Biswas指出，这些抗体看起来与采用传统方法开发的抗体并无显著差异，但在进入临床试验前仍需开展更深入的安全性评估。

此外，AI还有望设计出具有独特性能的抗体，例如穿透血脑屏障的能力，或者在同一分子中识别多个结合位点的能力。Biswas补充道：“现在我们能够一键生成抗体，这使得我们能够将更多精力投入到这些前沿课题的研究中”。

从纳米抗体到完整治疗性抗体的设计，AI技术正以前所未有的速度革新药物发现的范式。虽然在模型可靠性、数据透明度及长期安全性等方面仍面临挑战，但2025年的一系列突破性进展表明，由AI从零开始设计的抗体药物已不再是遥不可及的科学幻想，而是正在迅速逼近临床现实的下一代治疗方案。这不仅将大幅加速针对已知靶点的药物优化进程，更有望为众多此前“无法干预”的疾病开辟全新的治疗途径，标志着药物研发正式迈入智能设计的新时代。

参考资料：