司的就是国际这条线；马上追踪热点

秘闻背后的事；我给你说透

欢迎各位看官收看今天的【司马秘事】

文：司马秘事

编辑：司马秘事

12月，《自然》杂志的一则报道让生物医药圈炸了锅，AI设计的抗体不仅彻底走出了实验室，还摸到了临床应用的门槛。

一年前还只是概念验证的技术，现在已经拿出了能匹敌市售药的全长抗体，甚至有公司启动了相关临床试验。

AI抗体进化从微型到全能

以前做抗体药物跟大海捞针没啥区别，科学家得从数亿个天然抗体里筛选，运气好才能找到一个勉强能用的分子。

2025年这局面彻底被AI改写了，MIT的科尔索团队用BoltzGen模型设计纳米抗体，只合成了15种，就筛出了结合力超强的候选者。

这种“一击即中”的成功率，在传统研发里想都不敢想。

更关键的是，华盛顿大学大卫・贝克团队把设计工具开源了，这意味着不是只有巨头才能玩得起。

我特意去了解了下，纳米抗体体积小，能轻松钻进肿瘤组织里。

英矽智能的PandaOmics平台就是靠类似逻辑，精准定位靶点，大大提高了研发效率。

本来想纳米抗体已经够厉害，没想到全长抗体也来了惊喜，NablaBio和ChaiDiscovery几乎同时宣布，用AI设计出了全长抗体。

这种抗体结构更接近人体天然免疫蛋白，效力能跟市售重磅药比肩，还能搞定GPCR这种传统方法啃不动的靶点。

如此看来，AI不仅能做“轻骑兵”式的纳米抗体，还能造“重装坦克”级别的全长抗体，进化速度确实超出预期。

研发模式大换血临床试水

AI带来的不只是效率提升，更是整个研发模式的颠覆，传统研发一款抗体药，光筛选环节就得耗好几年。

现在有了AI，科学家可以直接告诉模型“要攻击的靶点是什么”，模型就能设计出精准结合的分子。

华创证券的数据显示，AI发现的药物在Ⅰ期临床的成功率比传统方法高不少。

英矽智能的ISM5939就是例子，用AI设计出来后，2024年就拿到了FDA的临床许可。

虽然GenerateBiomedicine启动的哮喘临床试验，只是AI优化现有抗体，不是从零设计，但这已经是AI抗体走向实战的明确信号。

这种模式让初创公司也有了机会，以前没个亿级投入，根本建不起筛选流水线。

现在有了开源工具和AI平台，一台高性能计算机就能起步，甚至能设计针对蛇毒、罕见病的特效药。

大卫・贝克团队就用AI设计出了中和蛇毒的蛋白，比传统抗蛇毒血清更安全易存储。

不过我得说句实在的，AI再厉害也不能替代实验验证。

英矽智能的药物设计出来后，还是得经过细胞实验、动物试验，才能推进到临床。

研发门槛降低了，但研发的严谨性一点不能少，这是对患者负责，也是行业发展的底线。

免疫原性绕不开的坎

AI抗体看着前景大好，但有个坎绕不过去，那就是免疫原性。

简单说，就是人体免疫系统可能会把AI设计的抗体当成“入侵者”，引发危险的免疫风暴。

巴塞尔大学的研究发现，AI在预测全新靶点的免疫原性时，准确率并不高。

有跨国药企就栽过跟头，一款AI设计的肺癌药，因为没提前验证免疫原性，Ⅱ期临床就因为副作用超标停了，损失不小。

K2Therapeutics的刘畅也提醒过，AI没法完全预测抗体的所有特性。

比如抗体在人体内能存在多久，结合强度够不够，这些都得靠实验室测试验证。

本来想AI能一步到位，设计出完美的药物，但后来发现，它更像是个高效的“初稿设计师”，后续还得靠科研人员打磨优化。

中国科普网的数据也显示，AI制药目前主要集中在发现和临床前阶段。

到了Ⅲ期临床，成功率还是得看实验验证的结果。

所以说，AI能帮我们快速找到候选药物，但要让它安全地走进人体，免疫原性这个关必须踏踏实实地过。

未来可期但别盲目乐观

虽然挑战不少，但AI抗体的未来确实值得期待，科学家们已经不满足于复刻现有药物，还想让AI设计出自然界不存在的分子。

比如能穿透血脑屏障的抗体，用来治疗阿尔茨海默病，或者能同时锁定两个靶点的双特异性抗体，对付复杂癌症。

英矽智能已经靠AI搭建了30多个药物管线，10个项目拿到了临床批件。

大卫・贝克团队的蛇毒中和蛋白，也为被忽视的热带病治疗提供了新思路。

这些进展都说明，AI正在重塑药物研发的格局，不过大家也别盲目乐观。

AI抗体要真正成为药房里的常规药物，还有很长的路要走。

免疫原性的难题、AI模型的优化、临床数据的积累，每一步都不能急。

现在的突破值得欢呼，但更要保持理性，AI把药物研发的效率提了上来，这是好事。

但药物研发本身就是个慢功夫，需要严谨和耐心。

未来，随着技术不断成熟，或许我们真能实现“按一下按钮就生成特效药”的梦想。

但现在，我们不妨多给AI一点时间，也多给科研人员一点耐心，毕竟好药值得等待。