蛋白质设计领域又迎来了一项里程碑式的时刻——“上帝之手”、华盛顿大学生物化学教授 David Baker 团队及其合作者，首次利用生成式人工智能（AI）技术从零开始设计出了一种新型抗体，将抗体疗法推向了一个全新的高度。据 Nature 报道，这一工作提出了将人工智能驱动的蛋白质设计带入价值数千亿美元的治疗性抗体市场的可能性。
相关研究论文以“Atomically accurate de novo design of single-domain antibodies”为题，已发表在预印本网站 bioRxiv 上。英国牛津大学免疫信息学家 Charlotte Deane 评价道：“这是一项非常有前景的研究，它代表了将人工智能蛋白质设计工具应用于制造新抗体的重要一步。”
抗体是一种免疫分子，能强力附着在与疾病相关的蛋白质上，传统的制造方法包括对动物进行免疫实验或对大量分子进行筛选，昂贵且费时。该论文的共同第一作者、华盛顿大学计算生物化学家 Nathaniel Bennett 认为，能够缩短这些昂贵的人工智能工具有可能“使设计抗体的能力民主化”。
在这项工作中，研究团队利用 RFdiffusion 和 RoseTTAFold2 网络，通过计算机模拟和实验验证，成功设计出了全新的抗体 VHH（单域抗体；Variable Heavy-chain of Heavy-chain antibodies）。在整个设计过程中，研究团队充分考虑了抗体与靶标之间的相互作用，力求达到最优的结合效果。
利用这种方法，研究团队设计出了数千种抗体，这些抗体能识别几种细菌和病毒蛋白质（比如流感病毒用来入侵细胞的蛋白质）的特定区域以及一种抗癌药物靶标。然后，他们在实验室中制作了这些设计的一个子集，并测试了这些分子是否能与正确的靶点结合，进而验证了抗体卓越的有效性。
近年来，David Baker 团队一直致力于蛋白质设计研究，且成果显著。
2021 年 8 月，团队研发出了一款完全免费的、新的深度学习工具 RoseTTAFold，不仅拥有媲美 AlphaFold2 的蛋白质结构预测超高准确度，而且更快、所需计算机处理能力更低。2021 年 11 月，团队进一步将 AlphaFold 2 与 RoseTTAFold 相结合，成功用于蛋白质-蛋白质复合物结构的预测。
去年 4 月，他们在一篇发表在 Science 上的论文中，介绍了如何利用强化学习设计新型蛋白质设计软件，由该方法合成的蛋白质能更有效地在小鼠体内产生有用抗体。他们称，这一突破将会在疫苗领域有所贡献。去年 7 月，他们开发了一个人工智能蛋白质结构预测系统 RoseTTAFold，称可与 AlphaFold 媲美，不仅可以预测蛋白质结构，还能预测蛋白复合物结构。
随后，他们也公开了 RFdiffusion 的云版本，将定制蛋白质带入了主流科研界。去年 12 月，团队在 Nature 上发表论文，展示了人工智能技术能够从头设计高亲和力的蛋白，这让科学家们更有可能创造出更便宜的抗体替代品，用于疾病检测和治疗。