自“阿爾法折疊2”顛覆蛋白質結構預測以來，人工智能（AI）技術在治療性抗體設計領域展現出前所未有的應用潛力。

《自然》網站在近日的報道中指出，近年來，多個科研團隊利用自主開發的AI工具，輔助設計並成功制備出多種功能各異的治療性抗體。不過，專家同時提醒，這些抗體的安全性與有效性仍需進一步驗証。

抗體藥物市場巨大

抗體是免疫系統中識別特定靶標並激發保護性反應的關鍵蛋白質。與所有蛋白質相同，抗體由氨基酸鏈折疊形成復雜的三維空間結構，既能阻斷病原體侵入細胞，也可標記異常細胞引導免疫系統清除，還能用於遞送藥物或抑制疾病相關蛋白質的活性。目前全球已有160余種工程化抗體獲批用於癌症、感染性疾病及自身免疫性疾病的治療。

英國牛津大學旗下《抗體治療》雜志2022年的分析數據顯示，隨著數千種新型抗體不斷涌現，預計到2028年，全球抗體藥物市場年收入將突破4550億美元。正如諾貝爾獎得主、美國華盛頓大學蛋白質設計專家戴維·貝克所言：“抗體已成為制藥領域的硬通貨。”

然而，傳統抗體開發流程通常面臨周期長、成本高、挑戰大的困境。候選抗體需經歷多輪優化，才能具備理想藥物的特性，包括良好的溶解性、高度的特異性以及避免脫靶副作用的安全性。美國麻省理工學院機器學習科學家加布裡埃爾·科爾索認為，AI的最新進展正在深刻改變抗體研發范式，使完全通過計算手段設計功能性抗體成為現實。

創新成果快速涌現

《自然》和《科學》網站的報道顯示，多個研究團隊通過專有AI平台和開源模型，已成功開發出系列功能各異的抗體藥物。

去年秋季，總部位於華盛頓州的生物技術公司Absci宣布，設計出首個靶向艾滋病病毒（HIV）保守區域——“火山口區”的特異性抗體。該靶點存在於所有HIV毒株中，意味著此類抗體有望成為廣譜抗HIV藥物。公司聯合創始人肖恩·麥克萊恩透露，團隊目前正在開展針對子宮內膜異位症、炎症性腸病乃至脫發治療的抗體研發。

科爾索團隊開發了一種名為BoltzGen的AI模型，專精於蛋白質及多肽結合劑的從頭設計，涵蓋傳統抗體與納米抗體。該模型採用全原子生成架構，能同步處理蛋白質結構預測與結合劑設計，實現原子級精度的結構調控。納米抗體是科學家在駱駝、羊駝和鯊魚體內發現的特殊抗體片段，是目前已知最小的具備完整抗原結合功能的天然分子。

今年10月，科爾索團隊稱，BoltzGen設計的納米抗體有望靶向癌症、病毒及細菌感染相關的多種蛋白。研究人員在細胞中表達並測試了15種最具潛力的設計，其中多個抗體顯示出強效結合能力。不過這些分子尚未進入疾病模型驗証階段。

其他團隊也取得了顯著進展。今年2月，貝克團隊還宣布，通過AI技術發現了能結合所有流感病毒共有蛋白的廣譜抗體，為開發通用流感藥物開辟了新途徑。該團隊同期宣布了能有效中和艱難梭菌毒素的抗體，這種感染在醫院環境中常見且致死率高。

上個月，美國加州生物技術公司Nabla與AI初創企業Chai Discovery的科學家宣布，除納米抗體外，他們利用AI工具成功設計了全長抗體。實驗數據顯示，部分抗體能特異性識別G蛋白偶聯受體（GPCR）等傳統抗體難以靶向的分子。Nabla團隊通過AI平台生成了數萬個GPCR結合抗體，其中數十種在實驗室測試中表現出與現有藥物相當甚至更強的親和力，而這些傳統藥物通常需要多年研發周期。

Nabla首席執行官瑟吉·比斯瓦斯表示，若能精准調控GPCR活性，就等於掌握了細胞生物學與疾病進程的關鍵開關。AI系統正從成功案例中學習，快速生成數百個候選調控分子。

丹麥工業大學蛋白質工程師蒂莫西·詹金斯評價道，這輪AI抗體設計浪潮將對臨床候選藥物的數量與研發效率產生深遠影響。

安全驗証任重道遠

美國加州大學爾灣分校合成生物學家劉暢認為，完全由AI設計的抗體可能很快進入人體試驗階段。上周，美國Genative生物醫學公司啟動了針對嚴重哮喘的抗體藥物大規模臨床試驗。該公司運用AI技術對現有抗體進行優化，顯著提升了其結合能力、穩定性及其他藥理特性。

不過，盡管現有AI工具已能生成高效設計，但其在不同靶點間的表現仍存在差異，且很難准確預測結合強度等關鍵參數。人們可能需要數年時間，才能建立起完全依賴AI模型的抗體藥物生產體系。

比斯瓦斯也提醒道，人體免疫系統是否會將這些AI設計的抗體識別為外來物質並引發風險？雖然它們與傳統抗體結構相似，但仍需嚴格的臨床前安全評估。藥物開發者還需要時間來確定AI抗體的最佳應用場景，例如攻克GPCR等傳統難題靶點。

他補充道，AI未來可能設計出具有特殊功能的抗體，如穿透血腦屏障或同時識別多個靶點。當科學家能夠一鍵生成抗體雛形，便能將更多精力投入前沿挑戰的攻關中。

分享讓更多人看到