没人敢这么做！从MenB到RSV再到AI，这个科学家三次定义疫苗未来！

如果让你想象一个科学家在职业生涯中完成一次重大技术突破，这已经足够令人敬佩。但如果他不仅完成了一次，而是连续三次改写整个领域的设计规则，从B群脑膜炎球菌（MenB）到呼吸道合胞病毒（RSV），再到人工智能驱动的疫苗设计——这个人就是Rino Rappuoli，一个用“反向思维”重新定义疫苗学的传奇人物。

第一次革命：当基因组学“反着来”

20世纪以前，疫苗研发遵循着一个简单直接的逻辑：找到病原体，把它杀死或减毒，然后注射到人体。对于能培养的细菌和病毒，这个方法确实管用。但有一个致命的缺陷：对于那些难以培养、或者表面抗原高度变异的病原体，传统方法往往束手无策。

B群脑膜炎球菌（MenB）能引起脑膜炎和败血症，在几小时内夺走儿童和年轻人的生命。然而，它的荚膜多糖与人类自身组织中的分子结构相似，无法直接用作疫苗。更棘手的是，它表面那些可诱导保护性免疫的蛋白质，序列变化极大——就像流感病毒每年都要换“外套”一样，MenB也在不断改变自己的“面孔”。

在过去40年里，科学家们用传统方法只找到了十几种可能的抗原。而Rappuoli在2000年提出的“反向疫苗学”，彻底颠覆了这一模式。

传统方法是“从菌到蛋白”：先培养细菌，再把细菌“拆解”成单个成分，逐一测试它们的免疫保护能力。而反向疫苗学则是“从基因到蛋白”：先测出病原体的全部基因序列，通过计算机分析预测哪些基因可能编码表面蛋白，然后克隆表达、筛选鉴定。

这个“反向”思维带来了几个革命性突破：第一，不需要培养病原体，危险细菌也能安全研究；第二，可以预测病原体在感染人体时表达的抗原，而不只是在实验室培养皿中表达的；第三，能在极短时间内筛选出大量候选抗原。

当Rappuoli的团队将这种方法应用于MenB时，结果令人震惊：在18个月内，他们发现了85种新型表面蛋白，其中25种能诱导杀菌抗体——这个数字是过去40年传统方法发现数量的数倍。更重要的是，这些新发现的抗原大多是高度保守的球形蛋白，不受序列变异的影响。

这一成果最终催生了4CMenB疫苗——全球首个基于反向疫苗学技术获批的疫苗，也是目前唯一能广泛覆盖B群脑膜炎球菌的疫苗。它包含了三种重组蛋白抗原（fHbp、NadA、NHBA）和外膜囊泡（OMV），能诱导针对78%流行菌株的杀菌抗体。

第二次革命：结构生物学精准锁定RSV

如果说反向疫苗学解决的是“找抗原”的问题，那么第二次革命则是回答“如何让抗原呈现最佳保护构象”。

呼吸道合胞病毒（RSV）的F蛋白会“变形”：感染前是融合前构象，进入细胞后转变为稳定的融合后构象。2013年研究发现，人体自然感染后产生的保护性抗体，绝大部分针对的是不稳定的融合前构象——这正是传统疫苗屡屡失败的关键。

Rappuoli团队“反着来”：从康复者体内找到最有效的保护性抗体D25，其中和能力是当时唯一获批抗体的10到100倍。通过解析抗体与F蛋白的复合物结构，他们发现D25识别的是一个位于蛋白顶端的“超敏感位点”：抗原位点Ø。这个发现为后续稳定融合前构象、设计RSV疫苗奠定了基础。

接下来的挑战是：如何在没有D25抗体存在的情况下，让F蛋白自己稳定在这个融合前构象？

团队在F蛋白中引入了一系列突变：有的形成二硫键把蛋白“锁住”，有的填充疏水空腔让结构更紧密。经过上百次尝试，他们筛选出DS-Cav1组合——一个能耐受极端pH、温度和渗透压变化的稳定融合前构象。

当用DS-Cav1免疫小鼠和恒河猴时，诱导的中和抗体滴度是融合后构象疫苗的5-10倍，是保护性阈值的40倍。更重要的是，这些抗体同时能有效中和RSV的A和B两个亚型。

2023年，基于这一技术研发的RSV疫苗（Arexvy）获得FDA批准上市，成为全球首个获批的RSV疫苗。从发现D25抗体到疫苗获批，历时10年——这在传统疫苗研发史上已经算“光速”，但Rappuoli的第三次革命，将这个时间压缩到了几天。

第三次革命：AI让疫苗设计进入“天”时代

2022年，猴痘病毒在全球蔓延。虽然天花疫苗对猴痘有一定交叉保护，但全球大多数年轻人从未接种过，且传统疫苗效力有限。

Rappuoli团队决定用人工智能加速研发，提出了“反向疫苗学3.0”：将反向疫苗学、结构生物学与AI蛋白预测技术深度融合。

传统反向疫苗学始于基因组序列，预测表面抗原。而3.0版本更进一步：直接从感染康复者的记忆B细胞中分离抗体，通过高通量筛选找到最有效的广谱中和抗体，再用AI预测这些抗体识别的是哪个抗原。

团队从猴痘感染者或疫苗接种者的外周血中分离记忆B细胞，用混合病毒颗粒筛选出能同时中和成熟病毒和包膜病毒的抗体。最终，他们获得了一组前所未有的广谱中和抗体，能交叉中和猴痘的不同进化支，甚至能中和天花病毒。

接下来是关键一步：用AlphaFold 3预测这些抗体识别的抗原。输入抗体序列和猴痘病毒所有表面抗原序列后，AI模型在5天内给出了两个高置信度预测——OPG153，一个此前从未被发现的病毒蛋白。随后，冷冻电镜结构解析证实了AlphaFold 3的预测完全正确。

用纯化的OPG153蛋白加佐剂免疫动物，诱导的中和抗体滴度与活减毒疫苗相当，不逊于任何多价mRNA疫苗。更令人惊讶的是，这个单价的抗原就达到了多价疫苗的效果。

从抗体筛选到抗原发现，整个过程仅用几个月，而AI预测环节只用了5天。

未来已来：AI正在重新定义疫苗

从2000年反向疫苗学，到2013年结构疫苗学，再到今天AI驱动的第三代，Rappuoli三次改写了疫苗设计规则。每一次变革，都是对前一阶段的反思与超越。

如今，AI不仅加速抗原发现，更重塑了整个设计流程。当然，挑战依然存在——AlphaFold 3对猴痘抗原的预测成功率只有25%，AI模型严重依赖高质量数据，在系统疫苗学、佐剂机制等领域，这样的数据集远未形成。

但方向已经清晰：疫苗研发正从“试错”转变为一门“设计”的科学。正如Rappuoli所说：“我们不再等待感染发生，再观察谁产生了保护性抗体。我们可以直接问：什么是完美的免疫原？然后去设计它。”

不是被动等待，而是主动创造——这才是“反向疫苗学”最深刻的启示。

https://pubmed.ncbi.nlm.nih.gov/11257410/

https://pubmed.ncbi.nlm.nih.gov/22607904/

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4821650/

https://pubmed.ncbi.nlm.nih.gov/24179220/

https://www.nature.com/articles/s41579-026-01286-y

主编微信

注：添加微信请备注昵称+单位+研究

微信学科讨论群：病毒学群，神经科学群、临床医学、肿瘤学科群、硕博交流群和医药投资交流群（微信群审核要求较高，请各位添加主编后主动备注单位研究方向）