近日，诺贝尔化学奖得主、美国华盛顿大学教授大卫·贝克（David Baker）及其团队在《Nature》杂志上发表了一项突破性研究成果。他们开发出的基于AI的蛋白质结构生成模型RFdiffusion，能够辅助人类从头设计出可精确打击病毒要害的抗体结构，这一成果有望彻底改变人类应对传染病的模式。

在RFdiffusion诞生之前，传统的抗体开发方法主要有动物免疫法和库筛选法。动物免疫法是将病毒蛋白注射到动物体内，等待其免疫系统产生抗体后再进行分离，整个流程通常耗时6-12个月[__LINK_ICON]。而库筛选法则是从数十亿个不同抗体的“图书馆”中筛选出能与目标病毒蛋白结合的抗体，但筛选出的抗体亲和力普遍较低[__LINK_ICON]。

与传统方法不同，RFdiffusion就像是一个极其聪明的“蛋白质建筑师”。研究人员只需告诉它需要针对的病毒表面特定表位，它就能在几小时内生成一个可能与之结合的全新抗体结构骨架。RFdiffusion的强大得益于ProteinMPNN和RoseTTAFold2这两个合作伙伴。ProteinMPNN负责决定构建抗体所需的氨基酸，而RoseTTAFold2则像一个质量检查员，对抗体的实际结构进行预测，并与设计初衷进行比较。

为了验证RFdiffusion的能力，研究团队针对流感血凝素、艰难梭菌毒素B、SARS-CoV-2受体结合域和RSV病毒蛋白等疾病相关靶点进行了抗体设计。实验结果显示，这些由AI从头设计的抗体能够以纳摩尔级的亲和力结合目标靶点。通过冷冻电镜结构分析证实，设计的抗体与靶点的结合方式与计算模型几乎完全一致，达到了接近原子级的精度。

大卫·贝克团队的这项研究成果具有重大的意义。它不仅让抗体药物的开发从传统的“试错式”筛选转向了精准的“设计式”创造，还为应对传染病提供了一种全新的策略。也许在未来，当新的病毒出现时，我们不再需要漫长的疫苗研发进程，而是可以利用AI直接设计出治疗性抗体，并在几周内就能开始临床试验，从而大大缩短传染病的应对时间，减少疾病的传播和危害。 http://t.cn/AX2Z90Dy