摘要： 华盛顿大学David Baker团队近日宣布，他们成功开发出一种基于RFdiffusion的变体，结合计算蛋白质设计与酵母展示筛选技术，实现了对抗体可变重链（VHH）和单链可变片段（scFv）的原子级精度从头设计。这一突破有望彻底改变抗体发现的方式，摆脱对动物免疫和随机文库筛选的依赖，加速新型抗体药物的研发进程。
西雅图（2025年3月18日） – 抗体作为现代医学中的重要组成部分，在疾病治疗领域发挥着举足轻重的作用。然而，长期以来，抗体的发现和设计主要依赖于动物免疫或随机文库筛选等传统方法，这些方法不仅耗时费力，而且难以精确控制抗体与特定表位的结合。
为了解决这一难题，华盛顿大学David Baker团队另辟蹊径，将目光投向了人工智能驱动的蛋白质设计。他们开发了一种基于RFdiffusion的变体，并结合酵母展示筛选技术，成功实现了对抗体可变重链（VHH）和单链可变片段（scFv）的原子级精度从头设计。
该研究团队利用多种正交生物物理方法，包括低温电子显微镜，对针对流感血凝素和艰难梭菌毒素B (TcdB)等四种疾病相关表位的VHH结合物进行了实验表征。结果表明，设计的VHH具有正确的免疫球蛋白折叠和结合姿势，且针对流感的VHH的高分辨率结构数据进一步证实了CDR环构象的准确性。
尽管初始计算设计的抗体亲和力有限，但通过OrthoRep进行的亲和力成熟可以产生保持预期表位选择性的个位数纳摩尔结合物。此外，该团队还展示了单链可变片段（scFvs）的从头设计，通过结合设计的重链和轻链CDR，创建了TcdB和Phox2b肽-MHC复合物的结合物。低温电子显微镜结构数据证实了两种不同的TcdB scFv的正确免疫球蛋白折叠和结合姿势，其中一种设计的高分辨率数据还验证了所有六个CDR环的原子级精确构象。
“这项研究建立了一个框架，用于合理计算设计、筛选、分离和表征完全新生抗体，在结构和表位靶向方面都具有原子级精度，” Baker团队在发表于bioRxiv预印平台的研究报告中指出。
背景：抗体药物开发的挑战与机遇
抗体是蛋白质治疗药物中占主导地位的一类，全球已获许可的抗体治疗药物超过160种，预计未来五年市场价值将达到4450亿美元。然而，抗体治疗药物的开发仍然依赖于动物免疫或抗体库筛选，以确定与目标靶标结合的候选分子。这些方法费力、费时，而且可能无法产生与治疗相关表位相互作用的抗体。
传统的抗体计算机设计方法主要集中于将残基移植到现有抗体结构中，采样替代天然CDR环以提高亲和力，并使用Rosetta序列设计来改善相互作用区域。虽然基于结构和基于序列的深度学习网络已被训练来设计新的抗体序列，但从头（与针对该表位的现有抗体无同源性）设计结构准确的抗体仍然难以实现。
RFdiffusion变体的优势与创新
Baker团队开发的RFdiffusion变体，与之前的方法不同，它不需要预先指定蛋白质结合物骨架，从而允许设计具有与用户指定的表位固有形状互补性的非常多样化的结合物。该方法能够：
- 针对任何感兴趣的靶标上的任何特定表位进行设计。
- 重点采样CDR环，使框架序列和结构接近用户指定的高度优化的治疗性抗体框架。
- 采样设计抗体相对于表位的替代刚体位置。
该团队通过对天然抗体结构进行微调，开发了专门用于抗体结构设计和结构预测的RFdiffusion和RF2版本。实验结果表明，该方法可以设计具有原子精度的VHH复合物，包括高度可变的H3环和整体结合方向，这些复合物与PDB中任何已知结构都非常不同。
未来展望：抗体药物开发的革命
Baker团队的突破性研究为抗体药物的开发带来了新的希望。通过结合RFdiffusion变体和酵母展示筛选技术，科学家们可以更加高效、精确地设计新型抗体，从而加速抗体药物的研发进程，为治疗各种疾病提供新的选择。
该研究的成功不仅在于技术上的突破，更在于理念上的创新。它标志着抗体药物开发正在从传统的“试错法”向基于人工智能的“精准设计”转变。随着人工智能技术的不断发展，我们有理由相信，未来的抗体药物开发将更加高效、智能和个性化。
参考文献：
- Humphreys, I. R., et al. (2025). Atomically accurate de novo design of antibodies with RFdiffusion. bioRxiv, doi: [请在此处插入实际的DOI链接，如果已发表]
- Machine Heart. (2025, March 18). 原子级精确，David Baker团队开发RFdiffusion变体对抗体进行从头设计. Retrieved from [请在此处插入机器之心报道的链接]
致谢：
感谢华盛顿大学David Baker团队为本文提供的资料和信息。
Views: 1