-01-

引言

自2024年科学家首次利用人工智能设计出全新的抗体分子以来，短短一年内，该领域已取得一系列突破性进展，使得首个完全由AI设计的药物进入人体临床试验的愿景变得触手可及。多家生物技术公司报告称，他们已成功使用专有或开源AI工具，生成了具有类似成熟抗体药物关键特性的分子，包括高结合力、良好的生产性和特异性。尽管完全依赖AI模型进行药物开发仍需数年时间，但行业普遍认为，AI设计的抗体药物已站在了临床试验的门槛上，有望解锁传统方法难以靶向的疾病靶点。

-02-

一、从纳米抗体到全长抗体的AI设计浪潮

2024年，由诺贝尔奖得主David Baker领导的团队在人工智能设计蛋白质领域取得了原理性突破，但最初的抗体设计在效力和药物特性上尚不完善。过去一年，新工具的开发显著提升了AI模型处理抗体柔性环区（这些区域对靶标识别至关重要）的能力。例如，麻省理工学院的Gabriele Corso及其同事在预印本中描述的BoltzGen模型，已能够娴熟地设计针对癌症、病毒和细菌感染等相关蛋白的“纳米抗体”——这是一种类似鲨鱼和骆驼体内产生的简单、小型抗体。在大多数情况下，研究人员仅需在细胞中表达15个最有前景的设计并进行实验室测试，就能鉴定出具有强靶标结合力的抗体。

与此同时，其他团队也报告了类似进展。斯坦福大学和加利福尼亚州帕洛阿尔托Arc研究所的团队发布了一个能够高效设计纳米抗体的模型。而David Baker团队也在《自然》杂志上报告了其纳米抗体设计工作的显著改进。

更引人注目的是，一些公司已宣布在设计和生成“类药性”的全长抗体方面取得成功。例如，位于马萨诸塞州剑桥的Nabla Bio公司和位于加利福尼亚州旧金山的Chai Discovery公司的科学家表示，他们已利用AI工具制造出全长抗体。Baker的团队在其报告中也描述了此类设计。实验室实验表明，部分设计出的分子能够以与商业抗体药物相似的效力识别多种疾病靶点，包括长期以来挑战传统抗体设计的G蛋白偶联受体。这些分子还具备可能决定候选药物成败的有用特性，例如高水平生产的能力和仅识别预期靶点的特异性。

-03- 

二、优化与安全测试成为关键步骤

尽管业界对AI设计抗体的最新进展感到兴奋，但科学家们也呼吁审慎看待相关数据。丹麦技术大学的蛋白质工程师Timothy Jenkins指出，他希望看到Nabla和Chai公司声称背后的数据，并且两家公司均未公布其设计抗体的序列。此外，目前尚不清楚这些专有模型与最佳开源工具相比表现如何。

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久。位于加利福尼亚州南旧金山的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。然而，AI模型在不同靶点上的表现不均，以及其预测设计关键特性（如结合强度）的能力有限，可能会减缓其应用速度。Liu估计，“我们可能还需要几年时间才能达到完全依赖模型来制造抗体治疗药物的阶段”。

一个关键的开放性问题在于安全性：人体免疫系统是否会将AI设计的抗体识别为外来分子，从而可能引发危险的免疫反应。Nabla Bio的首席执行官Surge Biswas指出，这些抗体看起来与使用传统方法开发的抗体没有什么不同，但在进行试验之前还需要进行进一步的安全性测试。

-04-

三、解锁难成药靶点与开拓新特性

AI设计抗体的成功，不仅在于其加速了传统药物的发现流程，更在于其有望解决药物研发中的根本性挑战。Biswas表示，希望AI抗体能够解锁过去难以应对的靶点，例如GPCRs。

此外，AI还可能设计出具有独特性质的抗体，例如穿透大脑的能力，或者在单一设计中识别多个结合靶点的能力。Biswas补充道：“现在我们只需按下一个按钮就能生成抗体，我们可以将更多时间投入到这些前沿问题上”。

-05-

结语

从纳米抗体到全长治疗性抗体的设计，人工智能正在以前所未有的速度重塑药物发现的范式。尽管在模型可靠性、数据透明度和长期安全性方面仍存在挑战，但2025年的一系列进展表明，由AI从头设计的抗体药物已不再是遥远的科学幻想，而是正在快速逼近临床现实的下一代疗法。这不仅将极大加速针对已知靶点的药物优化进程，更有望为无数此前“无药可靶”的疾病带来全新的治疗希望，标志着药物研发正式迈入智能化设计的新纪元。

参考资料：

1.What will be the first AI-designed drug? These disease-fighting antibodies are top contenders. Nature 648, 505-506 (2025)

       原文标题 : 人工智能设计的抗体药物即将进入临床