文章

AI设计抗体与高通量SPR验证助力药物开发

2026-11-13     来源:本站     点击次数:33

如果你对AI制药的印象还停留在“帮科学家从库里挑几个分子”,那你可能已经落后了。最近两个月,MIT的教授因为AI发现的抗生素拿了奖,中国团队用AI设计的PROTAC把降解活性做到皮摩尔级,还有公司用AI从头设计的纳米抗体在近二十个靶点上拿到了九成以上的湿实验成功率。

>>> AI算出来的东西,凭什么让人相信他真的能结合?

高通量SPR仪器不设计分子,它只负责回答“这个设计到底结不结合、结合得多快、多久会掉”。AI正在从“加速筛选的工具”变成“直接参与设计的合作者”,而验证这个合作者靠不靠谱,靠的是实打实的结合数据。

一、从“捞分子”到“造分子”

AI正在从发现工具转向设计工具。这个转变在抗体领域更明显。北京分子之心10月底公布的数据提供了一个对照:AI从头设计平台MMDesign在18个靶点、19个项目中,每个项目只测试9到50个候选分子,18个项目拿到确认结合的分子,成功率94.7%,六个GPCR靶点全部成功。

意义不在于“AI比人聪明”,而在于实验通量的逻辑变了:以前是“造一万个测一个中”,现在是“算一百个造十个中八个”。但“中的那八个”怎么确认真的结合到了该结合的地方、结合得够不够牢?这正是高通量SPR介入的节点。

二、“验货”这一步,正在被高通量SPR压缩

一篇2026年发表在Cell Systems上的机器学习辅助抗体发现工作,针对细胞表面抗原做高通量筛选时,采用高通量SPR平台完成抗体动力学表征:384配体阵列格式下,96个抗体同时被捕获到芯片表面,进行动力学滴定,计算kₒₙ、kₒff和K_D。AI说“这个序列应该能结合”,SPR告诉你“它到底结合得多快、多牢、多久会掉”。

以Revvity Carterra HT-SPR平台为例,这类平台每天可筛选超过20,000个分析物,支持粗样品直接上样——杂交瘤上清、细胞裂解液无需纯化即可点样,AI候选分子从表达上清到动力学数据的周转时间被大幅压缩。据Carterra官网引述Generate Biomedicines高级科学家的评价,LSA是“唯一能在这个通量水平上提供高分辨率结合数据的仪器”,已成为其机器学习驱动蛋白质设计平台的一部分。

更关键的是数据闭环:

AI设计分子 → 高通量SPR验证 → 产生高质量动力学数据 → 喂回模型 → 下一轮设计更准。

没有第二步“验货”,第一步“设计”就只是纸上谈兵。新一代平台将灵敏度下探到100道尔顿、温控到10℃,厂商明确将其定位为服务AI/ML方法对海量结合数据的需求。

三、别把AI想得太神

1. AI设计的东西仍需湿实验兜底

分子之心的高成功率有个前提:靶点类别经过系统验证,每个项目只测几十个分子——这是“筛选后的结果”,不是“从零随便造”。halicin也经过了培养皿和动物模型验证才站住。Anthropic那项工作同样依赖1320个设计分子的逐一实测,而非AI“说了算”。

2.预测结构和预测功能是两码事

AlphaFold解决了折叠问题,但结构漂亮不代表找得到结合分子,更不代表有生物活性。SPR的价值恰恰在于它测的是真实结合事件,不是预测——koff快慢、KD高低,得让分子在芯片上跑一遍才知道。

3. AI最诚实的定位是“把试错成本降下来”

Barzilay自己的表述很克制:“AI只能自动化流程中的部分环节,而不是彻底改造发现过程。”高通量验证工具的作用,是让“自动化”和“验证”之间的衔接更快、更密、更可信。

四、现在该关注什么

1. 看“候选数量”而不是“命中率”。

测1000个中900个,和测20个中18个,意义完全不同。后者意味着实验负担的真实下降,而支撑“少而准”模式的正是高通量表征工具。

2. PROTAC和分子胶是AI设计的新战场,高通量SPR也在跟进

浙江大学团队今年用AI设计针对CLIP1-LTK融合蛋白的PROTAC,降解活性达皮摩尔级并能击穿耐药突变。新一代SPR平台已将TPD/PROTAC列入应用场景,100 Da灵敏度下限正是为小分子和片段筛选设计。AI设计三元复合物、SPR验证结合动力学,这条链路正在成形。

3. 关注数据管理链条的整合

相关软件已与高通量SPR数据打通,对需要把SPR数据喂给AI模型的团队来说,少了一层数据清洗的麻烦——不算惊天动地,但确实省事。

回到开头:AI在药物发现中到底起了什么作用?

它已经在做三件事——在化学空间里找到人想不到的分子,在抗体序列空间里造出人做不出来的结合体,在靶点空间里发现人看不到的差异。但它还没有做到替代湿实验、跳过验证,或者让药物发现变成纯粹的“计算问题”。

其他同行评议文献

1. Kothiwal D, Kollasch AW, Anuganti M, et al. High-throughput machine learning-aided antibody discovery for cell surface antigens. Cell Systems, 2026, 17(8): 101645. DOI: 10.1016/j.cels.2026.101645; PMID: 42335897.

2.  科技日报(中国科技网):《分子之心MMDesign完成跨靶点、跨模态系统性验证》,2026-10-28,记者:孙明源。

3.  中国科学报(科学网):《成功率近95%!分子之心从头设计平台半年三迭代》,2026-10-29,作者:赵广立。

---------------------

上海玮驰深耕生命科学与制药领域,和Bio-Rad、瑞孚迪、Repligen、Bruker、赛桥、CBS、基点等多品牌达成战略合作,服务全球生物制药客户。公司获ISO9001、ISO14001、ISO45001质量体系认证,具有先进技术生产力的产品,完善的售前售后体系,资质齐全的专业服务团队,强大的供应链和物流保障,满足多样化需求,助力客户革新升级。

相关文章 更多 >