国产AI模型革新治疗性抗体研发

国产AI模型革新治疗性抗体研发

近日，西北工业大学计算机学院科学智能交叉研究中心联合北京大学、天津大学团队，在《自然·计算科学》发表最新科研成果。团队研发全新蛋白质语言模型框架DualGPT-AB，优化AI抗体设计模式，兼顾靶点识别能力与多项成药属性，为治疗性抗体药物研发开辟全新路径。

抗体介导的肿瘤细胞杀伤机制。西北工业大学供图

长久以来，传统抗体药物研发模式存在明显短板。该模式需要搭建庞大的候选抗体分子库，经过多轮筛选、蛋白表达、提纯处理以及反复实验验证，从海量候选序列中筛选适配的有效抗体。整个研发流程繁琐复杂、不确定性强，如同大海捞针，不仅研发周期漫长、资金成本高昂，绝大多数候选分子都会在实验环节被淘汰。

除此之外，早期筛选阶段综合表现优异的抗体，在后续深度开发中，时常暴露出黏度超标、清除率不佳、免疫原性过高等各类问题。现阶段抗体研发的核心痛点，并非难以获取候选抗体，而是无法快速筛选出兼具疗效与开发价值的优质分子，低效试错成为制约行业发展的主要难题。

针对行业痛点，DualGPT-AB模型创新性采用两步走研发策略。团队聚焦抗体识别抗原的核心区域——重链第三互补决定区，首先依托海量抗体数据，学习该区域序列的生成规律，在基础属性约束下生成初步候选抗体；再结合抗原识别能力、免疫安全风险等核心指标进行反馈优化，精准定向改良抗体序列。区别于无序拼接序列的普通模型，该框架能够有针对性地生成符合药物开发标准的抗体。

为验证模型实际应用价值，研究团队开展真实生物细胞实验。本次实验以携带人表皮生长因子受体2的乳腺癌细胞为研究对象，该受体是乳腺癌癌细胞的标志性靶点，对应的抗体可引导人体免疫系统精准灭杀癌细胞。团队筛选9款高潜力候选抗体，并与临床主流药物赫赛汀开展对照测试。

实验结果显示，两款由DualGPT-AB设计的抗体可精准识别乳腺癌细胞靶点，有效激活免疫系统灭杀癌细胞。其中一款抗体的细胞杀伤效果，已然超越临床常用的赫赛汀，充分证实该模型可直接产出具备落地开发价值的优质治疗抗体。

此次研究的核心突破，是将靶点识别、成药潜力、安全风险等关键要素前置到抗体设计环节。一改传统大范围盲筛模式，AI模型直接缩小候选分子范围，让后续生物实验聚焦高潜力靶点，大幅降低试错成本。

据介绍，DualGPT-AB采用模块化设计理念，具备极强的拓展性。未来依托高质量实验数据迭代升级预测模型后，该技术不仅能优化治疗性抗体研发，还有望应用于新型蛋白药物、复杂生物分子等相关领域，助力生物医药行业提质增效。

相关论文信息：https://doi.org/10.1038/s43588-026-00976-0

主题：抗体