Nature子刊 陆路团队合作开发基于人工智能技术的抗体研究模型

在人类对抗病毒的历史长河中，发现并利用强有力的中和抗体成为了重要的武器之一。在这场人与病毒的较量中，抗体的作用机制和中和能力研究一直是关键所在，但同时也是一项耗时耗力的任务。如何快速精准地预测未知抗体的中和能力及其作用靶点，一直是抗体药物研发领域亟待突破的关键科学难题。

就在最近，复旦大学基础医学院陆路团队联合商汤科技，在Nature子刊Nature Machine Intelligence上发表了一篇重要论文。该研究团队开创性地提出了一种深度“抗体-抗原”交互算法模型，名为DeepAAI。

DeepAAI的出现，打破了传统的抗体预测模式。它不再依赖于序列比对等经典方法，而是通过深度学习技术，动态适应性地学习未知抗体与已知抗体的关系。这一特点使得DeepAAI能够有效避免AI算法的冷启动问题，实现对未知抗体中和能力的精准预测。

值得一提的是，DeepAAI还具备强大的解释性，能够揭示抗原抗体的结合位点，并分析同一病毒不同变种和亚变种之间的相似关系，为新型病毒亚种的抗体推荐提供了可能。

DeepAAI的另一大优势在于其基于序列数据的特点。虽然真实的三级结构数据能提高预测准确性，但现实世界中大量抗体的三级结构是未知的。DeepAAI直接基于序列数据进行特征提取，用于预测相互作用，避免了因预测结构而产生的误差累积。现实世界中丰富的序列数据也增强了DeepAAI的实用性。

为了验证DeepAAI的预测能力，研究团队选择了艾滋病病毒、新冠病毒、流感病毒和登革病毒等模型病毒进行深入研究。DeepAAI对这些病毒的抗体中和能力展现出了令人瞩目的预测精度。

面对日益严重的新冠病毒变异问题，尤其是Omicron亚型，DeepAAI模型有望为抗体药物优化及广谱抗病毒抗体的研发提供新的思路和方法。