据英国《自然》周刊网站3月19日报道，研究人员首次利用生成式人工智能（AI）制造出全新抗体。
报道称，本周生物学预印本资料库中的一份预印本报告的原理验证研究，提高了将“AI指导的蛋白质设计引入治疗性抗体市场”的可能性，该市场价值数千亿美元。
传统上看，抗体用蛮力方式制造，涉及对动物免疫接种或筛选大量分子。
该研究的共同作者、西雅图华盛顿大学的计算生物化学家纳撒尼尔·贝内特说，简化这些成本高昂努力的AI工具，有可能“使设计抗体的能力大众化”。贝内特说：“十年后，这就是我们设计抗体的方式。”
英国牛津大学的免疫信息学家夏洛特·迪恩说，“这是一项前景非常光明的研究”，它代表着将AI蛋白设计工具应用于制造新抗体的重要一步。
贝内特和他的同事们使用了自己团队去年发布的一种AI工具，该工具帮助改变了蛋白设计。这种被称为RFdiffusion的工具令研究人员得以设计出能够与另一种被选中的蛋白紧密结合的微型蛋白。
但这些定制蛋白与抗体没有相似之处，抗体能够通过松散环路识别它们的目标，但事实证明这难以用AI来模仿。
为克服这个问题，由华盛顿大学计算生物物理学家戴维·贝克和计算生物化学家约瑟夫·沃森共同领导的团队，改进了RFdiffusion。该工具基于一个神经网络，这个网络类似于米德朱尼(Midjourney)和多尔-E(DALL-E)等图像生成AI使用的神经网络。
该团队利用成千上万经实验确定的与目标结合的抗体结构以及其他抗体样相互作用的现实例子，训练并微调了这个网络。
利用这种方法，研究人员设计了数千种抗体，这些抗体可以识别若干种细菌和病毒蛋白的特定区域(包括新冠病毒和流感病毒用来入侵细胞的那些蛋白)，以及癌症药物靶点。
然后，他们在实验室中制造了这些设计中的一部分，并测试这些分子能否与正确的目标结合。
沃森说，大约每100种抗体设计中有一种能达到预期效果，这一成功率低于该团队目前使用其他类型的AI设计蛋白质达到的成功率。
研究人员利用一种名为低温电子显微镜的技术，确定了一种流感抗体的结构，发现它识别了目标蛋白质的预期部分。
少数几家公司已经在使用生成式AI来帮助研发抗体药物。贝克和沃森的研究团队希望RFdiffusion能够帮助应对一些具有挑战性的药物靶点，比如G蛋白偶联受体——一种帮助控制细胞对外部化学物质反应的膜蛋白。
不过，RFdiffusion生产出来的抗体要进入临床还有很长的路要走。那些确实奏效的设计抗体并没有特别紧密地与目标结合。任何用于治疗的抗体还需要修改其序列，以使其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，类似于在骆驼和鲨鱼身上发现的抗体，而不是几乎所有获批抗体药物基于的更复杂蛋白质。迪恩说，这些类型的抗体更容易设计，也更容易在实验室中研究，因此首先设计这些抗体是有道理的。迪恩说：“但这并不意味着它不是朝我们需要的那些方法迈出的一步。”
沃森强调：“这是一项原理论证研究。”但他希望这一初步成功将为一键设计抗体药物铺平道路。
沃森说：“这感觉像是一个相当具有里程碑意义的时刻。它确实表明这是可能的。”（编译/李莎）
据英国《自然》周刊网站3月19日报道，研究人员首次利用生成式人工智能（AI）制造出全新抗体。
报道称，本周生物学预印本资料库中的一份预印本报告的原理验证研究，提高了将“AI指导的蛋白质设计引入治疗性抗体市场”的可能性，该市场价值数千亿美元。
传统上看，抗体用蛮力方式制造，涉及对动物免疫接种或筛选大量分子。
该研究的共同作者、西雅图华盛顿大学的计算生物化学家纳撒尼尔·贝内特说，简化这些成本高昂努力的AI工具，有可能“使设计抗体的能力大众化”。贝内特说：“十年后，这就是我们设计抗体的方式。”
英国牛津大学的免疫信息学家夏洛特·迪恩说，“这是一项前景非常光明的研究”，它代表着将AI蛋白设计工具应用于制造新抗体的重要一步。
贝内特和他的同事们使用了自己团队去年发布的一种AI工具，该工具帮助改变了蛋白设计。这种被称为RFdiffusion的工具令研究人员得以设计出能够与另一种被选中的蛋白紧密结合的微型蛋白。
但这些定制蛋白与抗体没有相似之处，抗体能够通过松散环路识别它们的目标，但事实证明这难以用AI来模仿。
为克服这个问题，由华盛顿大学计算生物物理学家戴维·贝克和计算生物化学家约瑟夫·沃森共同领导的团队，改进了RFdiffusion。该工具基于一个神经网络，这个网络类似于米德朱尼(Midjourney)和多尔-E(DALL-E)等图像生成AI使用的神经网络。
该团队利用成千上万经实验确定的与目标结合的抗体结构以及其他抗体样相互作用的现实例子，训练并微调了这个网络。
利用这种方法，研究人员设计了数千种抗体，这些抗体可以识别若干种细菌和病毒蛋白的特定区域(包括新冠病毒和流感病毒用来入侵细胞的那些蛋白)，以及癌症药物靶点。
然后，他们在实验室中制造了这些设计中的一部分，并测试这些分子能否与正确的目标结合。
沃森说，大约每100种抗体设计中有一种能达到预期效果，这一成功率低于该团队目前使用其他类型的AI设计蛋白质达到的成功率。
研究人员利用一种名为低温电子显微镜的技术，确定了一种流感抗体的结构，发现它识别了目标蛋白质的预期部分。
少数几家公司已经在使用生成式AI来帮助研发抗体药物。贝克和沃森的研究团队希望RFdiffusion能够帮助应对一些具有挑战性的药物靶点，比如G蛋白偶联受体——一种帮助控制细胞对外部化学物质反应的膜蛋白。
不过，RFdiffusion生产出来的抗体要进入临床还有很长的路要走。那些确实奏效的设计抗体并没有特别紧密地与目标结合。任何用于治疗的抗体还需要修改其序列，以使其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，类似于在骆驼和鲨鱼身上发现的抗体，而不是几乎所有获批抗体药物基于的更复杂蛋白质。迪恩说，这些类型的抗体更容易设计，也更容易在实验室中研究，因此首先设计这些抗体是有道理的。迪恩说：“但这并不意味着它不是朝我们需要的那些方法迈出的一步。”
沃森强调：“这是一项原理论证研究。”但他希望这一初步成功将为一键设计抗体药物铺平道路。
沃森说：“这感觉像是一个相当具有里程碑意义的时刻。它确实表明这是可能的。”（编译/李莎）
本文链接：英媒：人工智能助力抗体设计http://www.sushuapos.com/show-2-4138-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
下一篇： 英国2026年试飞电动“飞的”