[读懂科学]新发传染病的救世主不是“有抗体者”而是AI？

Published 10 May.2023 10:32(KST)

利用生成式AI成功提升现有抗体治疗剂性能
用于开发新型抗体治疗剂的研究也在积极展开

2007年，电影《我是传奇》在全球大卖。主人公威尔·史密斯因为独自拥有免疫抗体而幸存下来，他竭力利用自己的血液制造治疗僵尸病毒的药物。在新冠肺炎大流行期间，情况也类似。科学家们从感染新冠后康复患者的血清中分离抗体，全力开发有效的治疗药物。但在未来，类似的情形或将不再发生。科学家正利用人工智能（AI），为更快速、更便捷地研发能够对抗新冠病毒、埃博拉病毒等危险疾病的强效抗体治疗药物打开通路。

病毒。资料图片。图片由Pixabay提供

美国斯坦福大学医学院研究团队于上月24日在国际学术期刊《自然·生物技术》（Nature Biotechnology）发表的研究成果，是这一趋势的代表。研究团队表示，他们利用生成式人工智能ChatGPT的原理开发出一种名为“Neural Networks”的算法，大幅提升了抗体设计的效率和性能。他们称，自己开发的这种基于模式学习的生成式人工智能“Neural Networks”，将加快抗体治疗药物新药的研发速度，并有助于开发以既有设计方式难以实现的新型药物。

抗体治疗药物已被广泛用于乳腺癌、类风湿性关节炎等主要疾病，每年在全球的销售额超过1000亿美元。这是因为抗体是人体免疫系统应对病毒感染的核心手段。生物技术专家一直在通过重构抗体蛋白质结构，努力研发能够应对多种疾病的治疗药物。问题在于，要制造抗体治疗药物，就必须逐一生成并测试候选抗体的“筛选”过程，这需要投入巨大的时间、人力和资本。

为缩短这一过程，研究团队构建了与学习海量文本的“大型语言模型”ChatGPT具有相同结构的“Neural Networks”。不同之处在于，他们不是让模型学习海量句子，而是训练其学习约1000万个蛋白质序列结构，打造出所谓的“蛋白质语言模型（protein language model）”。此外，他们还使用了由大型科技企业Meta开发的蛋白质语言模型，用于预测小规模的抗体突变。结果显示，即便在仅学习了逾1亿个蛋白质结构中的区区数千个的情况下，Neural Networks依然展现出惊人的性能。它对用于治疗新冠、埃博拉、流感等疾病的既有抗体治疗药物提出了新的设计方案，从而提升这些抗体识别并阻断相应病毒的能力。而且，该人工智能所建议进行蛋白质结构变更的部位，并非负责识别和应对靶点的区域，而是位于其外部的区域。参与研究的斯坦福大学医学院教授Peter Kim表示：“这款人工智能给出的信息，已经触及到连抗体工程领域的专家都完全不了解或大多尚未掌握的部分”，“我至今也还没弄清其中的原因。”

科学家期待，人工智能的应用不仅能用于改良现有抗体治疗药物，更应推动完全不同的新药开发。英国牛津大学免疫信息学教授Charlotte Dean表示：“本次开发的技术用于改进抗体，非常出色。”但她同时也表示：“与其仅仅改良既有抗体，不如利用生成式人工智能创造出完全崭新的治疗性抗体。”位于美国波士顿的生物企业Nabla Bio联合创始人Sergi Biswas也称：“这项技术有助于开发能够对过去难以进行抗体设计的病毒发挥有效作用的药物”，“例如，人工智能可以帮助设计出能附着在多种不同靶点上的抗体治疗药物，这些靶点包括与诸多疾病相关的细胞膜贴附G蛋白偶联受体、肿瘤蛋白，或能够杀死肿瘤的免疫细胞等。”

必读新闻

明年若达不到业绩就砍到9700万…“6亿 vs 4.6亿 vs 1.6亿”细看三星电子DS部门绩效奖金

实际上，此类研究已经取得一定进展。去年3月，总部位于加拿大温哥华的生物公司Absci的研究人员在预印本论文平台bioRxiv上发表研究结果称，他们在利用人工智能制造新型抗体方面取得了进展。研究团队利用结合蛋白质序列结构和实验数据的人工智能模型，成功重新设计了用于乳腺癌治疗抗体的若干关键区域。不过，要创造出完全崭新的抗体仍面临诸多困难。典型难点之一是，为了让抗体识别特定靶点而发挥作用的受体等蛋白质结构极其复杂，用人工智能对其进行建模非常棘手。

한글 기사 보기

本报道由人工智能(AI)翻译技术生成。