人工智能設計的抗體藥物即將進入臨床

引言

自2024年科學家首次利用人工智能設計出全新的抗體分子以來，短短一年內，該領域已取得一系列突破性進展，使得首個完全由AI設計的藥物進入人體臨床試驗的愿景變得觸手可及。多家生物技術公司報告稱，他們已成功使用專有或開源AI工具，生成了具有類似成熟抗體藥物關鍵特性的分子，包括高結合力、良好的生產性和特異性。盡管完全依賴AI模型進行藥物開發仍需數年時間，但行業普遍認為，AI設計的抗體藥物已站在了臨床試驗的門檻上，有望解鎖傳統方法難以靶向的疾病靶點。

一、從納米抗體到全長抗體的AI設計浪潮

2024年，由諾貝爾獎得主David Baker領導的團隊在人工智能設計蛋白質領域取得了原理性突破，但最初的抗體設計在效力和藥物特性上尚不完善。過去一年，新工具的開發顯著提升了AI模型處理抗體柔性環區（這些區域對靶標識別至關重要）的能力。例如，麻省理工學院的Gabriele Corso及其同事在預印本中描述的BoltzGen模型，已能夠嫻熟地設計針對癌癥、病毒和細菌感染等相關蛋白的“納米抗體”——這是一種類似鯊魚和駱駝體內產生的簡單、小型抗體。在大多數情況下，研究人員僅需在細胞中表達15個最有前景的設計并進行實驗室測試，就能鑒定出具有強靶標結合力的抗體。

與此同時，其他團隊也報告了類似進展。斯坦福大學和加利福尼亞州帕洛阿爾托Arc研究所的團隊發布了一個能夠高效設計納米抗體的模型。而David Baker團隊也在《自然》雜志上報告了其納米抗體設計工作的顯著改進。

更引人注目的是，一些公司已宣布在設計和生成“類藥性”的全長抗體方面取得成功。例如，位于馬薩諸塞州劍橋的Nabla Bio公司和位于加利福尼亞州舊金山的Chai Discovery公司的科學家表示，他們已利用AI工具制造出全長抗體。Baker的團隊在其報告中也描述了此類設計。實驗室實驗表明，部分設計出的分子能夠以與商業抗體藥物相似的效力識別多種疾病靶點，包括長期以來挑戰傳統抗體設計的G蛋白偶聯受體。這些分子還具備可能決定候選藥物成敗的有用特性，例如高水平生產的能力和僅識別預期靶點的特異性。

二、優化與安全測試成為關鍵步驟

盡管業界對AI設計抗體的最新進展感到興奮，但科學家們也呼吁審慎看待相關數據。丹麥技術大學的蛋白質工程師Timothy Jenkins指出，他希望看到Nabla和Chai公司聲稱背后的數據，并且兩家公司均未公布其設計抗體的序列。此外，目前尚不清楚這些專有模型與最佳開源工具相比表現如何。

盡管如此，首個AI設計的抗體進入人體試驗的時間可能不會太久。位于加利福尼亞州南舊金山的K2 Therapeutics公司聯合創始人、合成生物學家Chang Liu認為，最新的工具可能已經在產出有潛力的設計。然而，AI模型在不同靶點上的表現不均，以及其預測設計關鍵特性（如結合強度）的能力有限，可能會減緩其應用速度。Liu估計，“我們可能還需要幾年時間才能達到完全依賴模型來制造抗體治療藥物的階段”。

一個關鍵的開放性問題在于安全性：人體免疫系統是否會將AI設計的抗體識別為外來分子，從而可能引發危險的免疫反應。Nabla Bio的首席執行官Surge Biswas指出，這些抗體看起來與使用傳統方法開發的抗體沒有什么不同，但在進行試驗之前還需要進行進一步的安全性測試。

-04-
三、解鎖難成藥靶點與開拓新特性

AI設計抗體的成功，不僅在于其加速了傳統藥物的發現流程，更在于其有望解決藥物研發中的根本性挑戰。Biswas表示，希望AI抗體能夠解鎖過去難以應對的靶點，例如GPCRs。

此外，AI還可能設計出具有獨特性質的抗體，例如穿透大腦的能力，或者在單一設計中識別多個結合靶點的能力。Biswas補充道：“現在我們只需按下一個按鈕就能生成抗體，我們可以將更多時間投入到這些前沿問題上”。

-05-

結語

從納米抗體到全長治療性抗體的設計，人工智能正在以前所未有的速度重塑藥物發現的范式。盡管在模型可靠性、數據透明度和長期安全性方面仍存在挑戰，但2025年的一系列進展表明，由AI從頭設計的抗體藥物已不再是遙遠的科學幻想，而是正在快速逼近臨床現實的下一代療法。這不僅將極大加速針對已知靶點的藥物優化進程，更有望為無數此前“無藥可靶”的疾病帶來全新的治療希望，標志著藥物研發正式邁入智能化設計的新紀元。

參考資料：

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

公眾號已建立“小藥說藥專業交流群”微信行業交流群以及讀者交流群，掃描下方小編二維碼加入，入行業群請主動告知姓名、工作單位和職務。