科学家开发出一种革命性方法，利用人工智能和高级成像技术更精确高效地识别治疗性抗体。这项发表于《科学进展》的新技术，可将抗体识别时间从数周缩短至24小时内，同时通过规模化流程显著减少数据瓶颈。该技术有望彻底改变流感、艾滋病等传染性疾病的治疗方法开发，尤其适用于需要快速响应的公共卫生紧急事件。
斯克里普斯研究所整合结构与计算生物学系安德鲁·沃德教授指出："这标志着抗体发现模式的范式转变。借助AI分析免疫应答的结构细节，我们现在能在数小时内确定最具潜力的治疗候选抗体，成功率远超传统方法。这对大流行病预防和治疗开发具有变革性意义。"
传统抗体发现需对数千个候选抗体进行逐个筛查，但人体免疫系统在遭遇病毒时会产生大量抗体，其中仅有少数能靶向病原体的脆弱位点。研究团队开发的新型抗体筛选技术，结合冷冻电子显微镜（cryoEM）与AI工具ModelAngelo，实现了突破性进展。cryoEM通过电子束捕捉抗体与靶点结合的原子级分辨率图像，ModelAngelo则能据此构建分子模型并预测保护性抗体。
该方法通过结构到序列（STS）分析，直接从免疫应答结构中定位结合功能重要位点的抗体。研究团队用该技术在动物模型中测试抗体保护效果，发现基于ModelAngelo的STS流程筛选的抗体展现出显著抗病毒保护作用。这项技术的时效性与准确性使其在应对新发传染病时具有突出优势，不仅能加速疫苗开发，还能提升应对新出现病原体的速度。
研究团队已启动与斯克里普斯研究所多个实验室的合作，继续探索ModelAngelo在治疗性抗体开发中的应用。沃德教授表示，该技术未来有望支持动态健康挑战应对，以前所未有的速度将救命疗法带给患者。研究论文已发表于《科学进展》（DOI: 10.1126/sciadv.adv8257）。
【全文结束】
