抗体是一种与那些和疾病干系的蛋白质紧密结合的免疫分子，常日是用“蛮力”办法制成的，包括对动物进行免疫或筛选大量分子。

论文作者之一、美国华盛顿大学西雅图分校打算生归天学家Nathaniel Bennett表示，人工智能工具让高本钱的抗系统编制造有了捷径，有可能“使设计抗体的能力大众化”。
“10年后，这便是我们设计抗体的办法。
”

英国牛津大学免疫信息学家Charlotte Deane表示，“这是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运用于制造新抗体的主要一步。

Bennett和同事利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，使研究职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——抗体通过软环的办法识别目标，而事实证明，软环难以用人工智能建模。

为理解决这一问题，华盛顿大学西雅图分校打算生物物理学家David Baker和打算生归天学家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等图像天生人工智能利用的神经网络。
团队通过对数千个实验确定的附着在目标上的抗体构造，以及其他类似抗体相互浸染的真实例子进行演习，对网络进行了微调。

利用这种方法，研究职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，研究职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精确的目标结合。

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利用其他类型的人工智能设计蛋白质得到的成功率。
研究职员利用冷冻电子显微镜技能确定了个中一种流感抗体的构造，并创造这种抗体能够识别出目标蛋白质的预期部分。

少数公司已经在利用天生式人工智能开拓抗体药物。
Baker和Watson的团队希望RFdiffusion能够帮助处理已被证明具有寻衅性的药物靶点，如G蛋白偶联受体—— 一种有助于掌握细胞对外部化学物质反应的膜蛋白。

不过，RFdiffusion产生的抗体间隔临床还有很长的路要走。
设计的抗体确实能起浸染，但与靶点的结合力并不是特殊强。
此外，任何用于治疗的抗体都须要将其序列修正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，与在骆驼和鲨鱼中创造的抗体相似，而不是险些所有获批的抗体药物所基于的更繁芜的蛋白质。
Deane说，这种类型的抗体更随意马虎设计，也更随意马虎在实验室中进行研究，因此首先设计它们是故意义的，“这并不妨碍它成为我们迈向所需方法的一步”。

Watson强调这是一项事理验证事情，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候。
它确实表明这是可能的。
”（王方）

来源： 中国科学报