版權(quán)歸原作者所有，如有侵權(quán)，請聯(lián)系我們

蛋白質(zhì)設計領域又迎來了一項里程碑式的時刻——

“上帝之手”、華盛頓大學生物化學教授 David Baker 團隊及其合作者，首次利用生成式人工智能（AI）技術(shù)從零開始設計出了一種新型抗體，將抗體療法推向了一個全新的高度。

據(jù) Nature 報道，這一工作提出了將人工智能驅(qū)動的蛋白質(zhì)設計帶入價值數(shù)千億美元的治療性抗體市場的可能性。

圖｜抗體（粉色）與流感病毒蛋白（黃色）結(jié)合（藝術(shù)構(gòu)思）。（來源：Juan Gaertner/Science Photo Library）

相關(guān)研究論文以“Atomically accurate de novo design of single-domain antibodies”為題，已發(fā)表在預印本網(wǎng)站 bioRxiv 上。

英國牛津大學免疫信息學家 Charlotte Deane 評價道：“這是一項非常有前景的研究，它代表了將人工智能蛋白質(zhì)設計工具應用于制造新抗體的重要一步?！?/p>

讓抗體設計更快、更容易

抗體是一種免疫分子，能強力附著在與疾病相關(guān)的蛋白質(zhì)上，傳統(tǒng)的制造方法包括對動物進行免疫實驗或?qū)Υ罅糠肿舆M行篩選，昂貴且費時。

該論文的共同第一作者、華盛頓大學計算生物化學家 Nathaniel Bennett 認為，能夠縮短這些昂貴的人工智能工具有可能“使設計抗體的能力民主化”。

在這項工作中，研究團隊利用 RFdiffusion 和 RoseTTAFold2 網(wǎng)絡，通過計算機模擬和實驗驗證，成功設計出了全新的抗體 VHH（單域抗體；Variable Heavy-chain of Heavy-chain antibodies）。

在整個設計過程中，研究團隊充分考慮了抗體與靶標之間的相互作用，力求達到最優(yōu)的結(jié)合效果。

據(jù)論文描述，RFdiffusion 和 RoseTTAFold2 網(wǎng)絡在抗體設計中扮演了至關(guān)重要的角色，實現(xiàn)了抗體結(jié)構(gòu)的設計和預測，為全新抗體的生成提供了基礎。

其中，RFdiffusion 網(wǎng)絡主要用于設計全新的抗體結(jié)構(gòu)，特別是針對特定的抗原表位。它可以根據(jù)用戶指定的抗原表位，設計出具有結(jié)合能力的抗體結(jié)構(gòu)。

基于 AlphaFold2/RF2 的蛋白質(zhì)骨架，RFdiffusion 網(wǎng)絡使用一系列訓練過程來進行蛋白質(zhì)結(jié)構(gòu)的預測和優(yōu)化。

在訓練過程中，該網(wǎng)絡通過一系列步驟對蛋白質(zhì)結(jié)構(gòu)進行噪聲處理，并預測去噪后的結(jié)構(gòu)。這些步驟使網(wǎng)絡能夠?qū)W習并優(yōu)化抗體結(jié)構(gòu)，從而適應特定的抗原表位。

通過訓練和優(yōu)化過程，該網(wǎng)絡能夠生成具有高結(jié)合親和力的抗體結(jié)構(gòu)，從而實現(xiàn)對特定抗原的識別和結(jié)合。

圖｜用于抗體設計的 RFdiffusion 概述。（來源：該論文）

RoseTTAFold2 網(wǎng)絡則主要用于預測抗體結(jié)構(gòu)，特別是在抗體-抗原復合物中的抗體結(jié)構(gòu)。它能夠幫助驗證設計的抗體結(jié)構(gòu)與抗原的結(jié)合模式是否符合預期。

基于 Transformer 神經(jīng)網(wǎng)絡架構(gòu)，RoseTTAFold2 網(wǎng)絡使用大量的蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)進行訓練。它通過對蛋白質(zhì)序列進行序列到序列的預測，從而得到全新的蛋白質(zhì) 3D 結(jié)構(gòu)。

圖｜經(jīng)過微調(diào)的 RoseTTAFold2 能夠區(qū)分真正的復合物和誘餌復合物。（來源：該論文）

圖｜微調(diào)后的 RoseTTAFold2 與 IgFold 在抗體單體預測方面的比較。（來源：該論文）

通過對設計的抗體結(jié)構(gòu)進行預測，研究團隊可以更好地了解抗體與抗原之間的相互作用，并驗證設計的合理性和有效性。

整體上，通過設計和預測抗體結(jié)構(gòu)，RFdiffusion 和 RoseTTAFold2 網(wǎng)絡為全新抗體的創(chuàng)新和驗證提供了重要支持。

人工智能設計的抗體，能用嗎？

利用這種方法，研究團隊設計出了數(shù)千種抗體，這些抗體能識別幾種細菌和病毒蛋白質(zhì)（比如流感病毒用來入侵細胞的蛋白質(zhì)）的特定區(qū)域以及一種抗癌藥物靶標。

然后，他們在實驗室中制作了這些設計的一個子集，并測試了這些分子是否能與正確的靶點結(jié)合，進而驗證了抗體卓越的有效性。

例如，表面等離子共振（SPR）等技術(shù)，可以驗證 VHH 與目標抗原的結(jié)合能力。實驗結(jié)果顯示，設計的 VHH 能夠與目標抗原特異性結(jié)合，并表現(xiàn)出一定的結(jié)合親和力。

另外，X 射線晶體學或/和冷凍電鏡技術(shù)，可以解析 VHH 與目標抗原的復合物結(jié)構(gòu)。結(jié)構(gòu)解析結(jié)果顯示，設計的 VHH 與目標抗原形成特定的結(jié)合模式，VHH 的關(guān)鍵殘基與抗原表位發(fā)生特異性相互作用，進一步證明了設計的抗體具有與目標抗原結(jié)合的能力。

最后，通過 SPR 等技術(shù)，研究團隊對 VHH 與目標抗原的結(jié)合親和力進行了驗證。結(jié)果顯示，設計的 VHH 與目標抗原之間存在一定的結(jié)合親和力，其親和力值反映了兩者之間的結(jié)合強度和穩(wěn)定性。

以上這些結(jié)果，為設計的抗體的進一步應用和開發(fā)提供了重要的實驗基礎和支持。

然而，該研究也存在一些局限性。首先，設計的 VHH 在結(jié)合親和力和特異性方面仍有待進一步優(yōu)化和提高；其次，設計的 VHH 主要針對單一抗原進行了驗證，對于多種抗原或復雜疾病的治療效果尚待驗證；另外，抗體的免疫原性、穩(wěn)定性和生產(chǎn)成本等方面也需要進一步研究和解決。

蛋白質(zhì)設計，充滿無限可能

近年來，David Baker 團隊一直致力于蛋白質(zhì)設計研究，且成果顯著。

圖｜David Baker

2021 年 8 月，團隊研發(fā)出了一款完全免費的、新的深度學習工具 RoseTTAFold，不僅擁有媲美 AlphaFold2 的蛋白質(zhì)結(jié)構(gòu)預測超高準確度，而且更快、所需計算機處理能力更低。

2021 年 11 月，團隊進一步將 AlphaFold 2 與 RoseTTAFold 相結(jié)合，成功用于蛋白質(zhì)-蛋白質(zhì)復合物結(jié)構(gòu)的預測。

去年 4 月，他們在一篇發(fā)表在 Science 上的論文中，介紹了如何利用強化學習設計新型蛋白質(zhì)設計軟件，由該方法合成的蛋白質(zhì)能更有效地在小鼠體內(nèi)產(chǎn)生有用抗體。他們稱，這一突破將會在疫苗領域有所貢獻。

去年 7 月，他們開發(fā)了一個人工智能蛋白質(zhì)結(jié)構(gòu)預測系統(tǒng) RoseTTAFold，稱可與 AlphaFold 媲美，不僅可以預測蛋白質(zhì)結(jié)構(gòu)，還能預測蛋白復合物結(jié)構(gòu)。隨后，他們也公開了 RFdiffusion 的云版本，將定制蛋白質(zhì)帶入了主流科研界。

去年 12 月，團隊在 Nature 上發(fā)表論文，展示了人工智能技術(shù)能夠從頭設計高親和力的蛋白，這讓科學家們更有可能創(chuàng)造出更便宜的抗體替代品，用于疾病檢測和治療。

一項好的科學研究，不僅需要過硬的技術(shù)，也同樣需要豐富的想象力。

未來，抗體及蛋白質(zhì)設計領域或?qū)⒊錆M著無限可能，為人類健康和醫(yī)學治療帶來新的希望。

參考鏈接：

https://www.biorxiv.org/content/10.1101/2024.03.14.585103v1https://www.nature.com/articles/d41586-024-00846-7

歡迎掃碼關(guān)注深i科普！

我們將定期推出

公益、免費、優(yōu)惠的科普活動和科普好物！