研究人員首次利用生成式人工智慧制造出全新抗體。這項3月18日公布於bioRxiv的原理驗證工作，提高了將人工智慧引導的蛋白質設計帶入價值數千億美元的治療性抗體市場的可能性。
抗體是一種與那些和疾病相關的蛋白質緊密結合的免疫分子，通常是用「蠻力」方式制成的，包括對動物進行免疫或篩選大量分子。
論文作者之一、美國華盛頓大學西雅圖分校計算生物化學家Nathaniel Bennett表示，人工智慧工具讓高成本的抗體制造有了捷徑，有可能「使設計抗體的能力大眾化」。「10年後，這就是我們設計抗體的方式。」
英國牛津大學免疫資訊學家Charlotte Deane表示，「這是一項非常有前景的研究」，代表了將人工智慧蛋白質設計工具套用於制造新抗體的重要一步。
Bennett和同事使用的是團隊去年釋出的人工智慧工具，有助於改變蛋白質設計。該工具名為RFdiffusion，使研究人員能夠設計出與另一種蛋白質緊密結合的微型蛋白質。但這些客製蛋白質與抗體沒有相似之處——抗體透過軟環的方式辨識目標，而事實證明，軟環難以用人工智慧建模。
為了解決這一問題，華盛頓大學西雅圖分校計算生物物理學家David Baker和計算生物化學家Joseph Watson共同領導的團隊改進了RFdiffusion。
該工具基於一個神經網路，類似於Midjourney和DALL·E等影像生成人工智慧使用的神經網路。團隊透過對數千個實驗確定的附著在目標上的抗體結構，以及其他類似抗體交互作用的真例項子進行訓練，對網路進行了微調。
利用這種方法，研究人員設計了數千種抗體。這些抗體能夠辨識幾種細菌和病毒蛋白質的特定區域，包括新型冠狀病毒和流感病毒入侵細胞的區域，以及癌癥藥物的靶點。然後，研究人員在實驗室中制作了他們設計的一個子集，並測試了這些分子能否與正確的目標結合。
Watson說，大約每100個抗體設計中就有一個能達到預期效果，這一成功率低於團隊使用其他型別的人工智慧設計蛋白質獲得的成功率。研究人員使用冷凍電子顯微鏡技術確定了其中一種流感抗體的結構，並行現這種抗體能夠辨識出目標蛋白質的預期部份。
少數公司已經在使用生成式人工智慧開發抗體藥物。Baker和Watson的團隊希望RFdiffusion能夠幫助處理已被證明具有挑戰性的藥物靶點，如G蛋白偶聯受體—— 一種有助於控制細胞對外部化學物質反應的膜蛋白。
不過，RFdiffusion產生的抗體距離臨床還有很長的路要走。設計的抗體確實能起作用，但與靶點的結合力並不是特別強。此外，任何用於治療的抗體都需要將其序列修改為類似於天然的人類抗體，以免引起免疫反應。
這種設計也被稱為單域抗體，與在駱駝和鯊魚中發現的抗體相似，而不是幾乎所有獲批的抗體藥物所基於的更復雜的蛋白質。Deane說，這種型別的抗體更容易設計，也更容易在實驗室中進行研究，因此首先設計它們是有意義的，「這並不妨礙它成為我們邁向所需方法的一步」。
Watson強調這是一項原理驗證工作，但他希望這一初步成功將為一鍵設計抗體藥物鋪平道路。「這是一個具有裏程碑意義的時刻。它確實表明這是可能的。」（王方）
來源： 中國科學報
