抗体研究的未来，人工智能带来颠覆性的高效解决方案

James Field和他的公司LabGenius正在研究一种革命性的、由人工智能驱动的方法来设计新的医疗抗体。

在自然界中，抗体是身体对疾病的反应，是免疫系统的一线部队。它们是特别形状的蛋白质链，可以粘附在入侵者身上，以便从系统中冲洗出来。自20世纪80年代以来，制药公司一直在制造合成抗体，以治疗癌症等疾病，并减少移植器官被排斥的机会。

但设计这些抗体对人类来说是一个缓慢的过程，人们必须涉足数百万种潜在的氨基酸组合，以找到那些完全正确折叠在一起的氨基酸组合，然后通过实验测试它们，调整一些变量以改善治疗的一些特征。

人类科学家首先确定抗体的搜索空间：他们需要能够区分健康细胞和病细胞的蛋白质，然后让免疫细胞来完成这项工作。

LabGenius开发了一个机器学习模型，可以更快、更有效地探索该空间。该模型从100,000种潜在抗体的搜索空间中选择了700多个初始选项，然后自动设计、构建和测试它们，目的是找到可以更深入地进行调查的潜在成果区域。测试几乎是完全自动化的，并在测试过程的各个阶段运行它们。抗体根据其基因序列生长，然后进行生物分析测试。

James Field说：“传统蛋白质工程的一个挑战是，一旦你找到一些有点效果的东西，你往往会对该分子进行大量非常小的调整，这些调整可能会改善一个属性。

LabGenius方法产生了人类可能没有想到的意外解决方案，并更快地找到它们：从设置问题到完成第一批只需六周时间，所有这些都由机器学习模型指导。LabGenius从Atomico和Kindred等公司筹集了2800万美元，并开始与制药公司合作，提供像咨询公司一样的服务。

James Field说：“归根结底，这是获得更好护理的秘诀：抗体治疗比人类设计的现有抗体治疗更有效，或者副作用更少。你会发现使用传统方法永远不会找到的分子。它们非常独特，往往与你作为人类会想到的设计背道而驰，这应该使我们能够找到具有更好特性的分子，这最终会为患者带来更好的结果。”