AI设计抗体靠不靠谱？29家机构511个抗体盲测：能出活，但远不能替代实验

2026年8月《自然·生物技术》发表了全球首个大规模前瞻性AI抗体盲测（AIntibody），29家机构提交511个AI设计抗体、同一实验室盲测验证——AI在有数据参考时能做出亲和力强上百倍的抗体（最佳95pM），但预测亲和力的能力整体与随机挑选相当，凭空设计大多不合格，且普遍栽在"可开发性"上。AI现在是高效初筛助手，远不能替代湿实验。

最常被问的就是：AI设计抗体到底靠不靠谱？能不能替代实验室筛抗体？这篇论文相当于给这个问题安排了一场最严格的统考。

这场盲测是怎么考的？

主办方对标让AlphaFold成名的CASP蛋白质结构盲测赛，搞了抗体专场AIntibody：29家机构（大学、AI公司、Biotech、大药企）提交511个AI设计抗体，全部在同一实验室、相同条件下做湿实验，评委不知道作品来自哪家。

考试分三个任务，难度递增：任务一亲和力成熟，给一个新冠RBD亲本抗体，让AI基于已有序列库优化；任务二亲和力排名，给三个HCDR3抗体簇，让AI预测哪些序列亲和力最高；任务三库外设计，完全不给筛选数据，让AI凭空设计高亲和力、高可开发性的抗体。

图1：AIntibody三个任务的总体设计示意

务一：AI能把抗体亲和力优化到什么水平？

能出顶尖成绩，但只是少数例外：25个提交组中仅3组做出亲和力低于100 pM且可开发的抗体，冠军Aureka的AuraIDE最佳成绩95pM、比亲本强上百倍；但这些成功无法跨任务复制。

这说明AI在"有参考答案、有数据可学"的场景下确实能出活，可一旦换个任务，同一套系统就不灵了——成功案例不能泛化，是第一个任务暴露出的核心问题。

图2：亲和力成熟挑战提交结果散点图，红色虚线为亲本抗体水平

任务二：AI预测亲和力排名准吗？

不准，整体和随机挑选差不多，部分模型甚至更差。

论文原文写得很直接：现有模型从聚类数据中预测高亲和力克隆的能力，还不如从HCDR3数据集中随机挑选。这意味着"让AI排序、只合成前几名"这套当下流行的省钱打法，实际效果存疑。

图3：三个HCDR3簇（27F/28F/47F）亲和力排名挑战结果

任务三：AI凭空设计抗体行吗？

大部分不合格，表现比随机选择还差，20家提交机构中仅少数几组拿出合格抗体，Xencor、ProBiogen、UCSD、Scripps等团队相对靠前，但优势远没有宣传的大。

这是最考验"真本事"的一关，也最清楚地说明：在没有筛选数据兜底时，当前AI还不具备可靠的从零设计能力。

图4：库外CDR设计挑战总体结果

AI抗体最大的坑：为什么不是亲和力，而是可开发性？

因为亲和力高不等于能成药：抗体药物还要满足表达量高、不易聚集、热稳定性好、无非特异性结合，这些工程指标统称"可开发性"；这次盲测中相当比例的提交作品正是因为可开发性不过关被直接淘汰。

这解释了一个行业常见现象——AI设计的"高亲和力抗体"一到工艺开发阶段就掉链子。当前AI训练主要盯着亲和力优化，对可开发性的约束严重不足。谁先把可开发性纳入设计目标，谁才可能真正拉开差距。

这场比武到底说明了什么？

三句话总结：AI设计抗体有真实进步、不是泡沫；但表现高度不稳定，成功不能跨任务、跨场景泛化，远没到替代湿实验的程度；可开发性是下一个必须攻下的山头。

对做疫苗和抗体药的人来说，更准确的定位是：AI现在是一个高效的"初筛助手"——帮你从海量序列里快速缩小范围，而不是直接交出终稿。最终验证、优化和工艺开发，仍然要靠湿实验。

这篇论文最值得肯定的地方，是用最严格的盲测把AI抗体设计从宣传话术拉回真实水平。少一点"AI取代科学家"的噱头，多一点脚踏实地的基准测试，对整个行业都是好事。

图5：四类计算方法的跨任务表现对比

技术的价值从来不是靠口号证明的，而是靠一场又一场不留情面的考试。AIntibody这场统考的意义，不是否定AI，而是让行业看清：AI抗体设计走到了哪一步、还差什么。看清差距，比盲目乐观或一概否定都更有用。

你在实际工作中用过AI设计或筛选抗体吗？体验和成功率如何？你觉得AI抗体最先在哪个环节真正跑通？欢迎评论区分享实战经验。

参考文献：A blinded, prospective benchmark of in silico antibody discovery anchored to experimental affinity and developability. Nature Biotechnology, 2026. DOI: 10.1038/s41587-026-03238-6。

识别微信二维码，添加抗体圈小编，符合条件者即可加入

抗体圈微信群！

请注明：姓名+研究方向！

本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。