文|有风

编辑|有风

12月，波士顿一间实验室里，AI算法花72小时“画”出的一串氨基酸序列，被注入了第一只实验小鼠的体内。

这不是科幻电影里的场景，而是人类第一次用代码“生成”出能直接当药的抗体，在此之前，这样的分子设计至少要耗掉科学家3年时间。

这场被业内称为“抗体设计范式转移”的突破，正在把制药业从“大海捞针”的时代，拽进“按图索骥”的新纪元。

从“大海捞针”到“代码画分子”，AI砸了谁的饭碗？

以前科学家找抗体，就像在太平洋里捞一根特定的针。

先从动物体内取血，再把上亿个B细胞一个个筛，运气好的话一年能找到几个“候选分子”，运气差可能竹篮打水。

我见过最夸张的一个实验室，为了筛一个流感抗体，养了500只兔子，最后能用的就3个，你说这成本得多高？

AlphaFold当年火出圈的时候，很多人以为蛋白质问题搞定了，结果呢？

抗体上那些像“手指”一样晃来晃去的柔性区域，AI还是抓瞎。

直到2024年BoltzGen开源模型出来，才算把这个“老大难”按住了，算法能直接预测这些“软骨头”怎么动，设计出的分子结合力一下子提高了10倍。

纳米抗体这东西，说白了就是“迷你版”抗体。

MIT那帮人去年用AI设计了15种，往实验皿里一放，居然个个都能精准“抓住”靶点，要知道传统方法筛100个能成1个就谢天谢地了。

更妙的是它个头小，能钻进肿瘤深部，还能穿过血脑屏障，以前治脑瘤的药想进大脑，比登天还难。

本来想感慨“AI真神”的时候，大卫·贝克团队又把他们的设计工具开源了。

这下可炸了锅，以前小公司想搞抗体，得先砸几千万建筛选平台，现在呢？

有台好电脑，下载个开源工具，学生都能上手。

华盛顿大学去年放出自家工具后，半年内就冒出20多家初创公司，以前这些活儿可都是辉瑞、罗氏这些巨头的专利。

从“能结合”到“能成药”，AI抗体的成人礼

但迷你版终究是“小朋友”，制药界真正的“成人礼”是全长抗体，这东西结构跟人体天然抗体几乎一样，成药概率高得多。

可它复杂啊，就像搭积木，得把4条肽链精准拼起来，还得保证拼完后能被人体“认”出来，不引发副作用。

以前科学家试了十年都没搞定，AI却在今年11月给了个大惊喜。

Nabla和Chai这两家公司像是约好了似的，同一天发论文，AI设计的全长抗体，不仅能精准“粘”住靶点，连人体细胞能不能“认”它、会不会引发副作用，算法都提前算好了。

最牛的是GPCR靶点，这玩意儿被称为“不可成药靶点”里的钉子户，现在AI设计的抗体居然能像钥匙一样插进它的“锁孔”，连默克的老科学家都跑来问，“你们算法是不是偷看了我们的实验数据？”

不过圈内现在吵得凶，有人说纳米抗体小，能钻进肿瘤深部，有人说全长抗体会“活”得久，药效更稳。

本来想站个队，后来发现这俩路线根本不是敌人，就像步枪和大炮，各有各的用场。

比如治阿尔茨海默病，可能得靠纳米抗体钻血脑屏障，要是治类风湿关节炎，全长抗体半衰期长，病人不用老打针。

加州大学那个叫刘畅的教授说得挺实在，“以前评职称看你筛了多少个分子，现在看你用AI解决了多少个机制问题。”

这话不假，AI把科学家从“筛分子”这种体力活里解放出来了。

以前天天守着离心机，现在能腾出手来琢磨，“这个靶点背后的疾病机制到底是啥？”这种转变，比多设计几个抗体更有意义。

但别高兴太早，AI设计的抗体现在还在“幼儿园”阶段。

GenerateBiomedicine上个月刚启动第一个临床试验，给重度哮喘病人用的，这一步最让人捏把汗。

人体会不会把AI设计的氨基酸序列当成“外来入侵者”？毕竟这些分子自然界里根本不存在，万一引发强烈的免疫反应，前面的功夫全白费。

K2Therapeutics的刘畅最近老在行业会上“泼冷水”，“AI说这个抗体能在体内待30天，你信吗？我反正得在实验室里测了才敢点头。”

她团队去年就吃过亏，AI预测“结合力超强”的分子，实际做出来根本“粘”不住靶点。

说白了，算法再聪明，也猜不透蛋白质在人体内那种“七扭八歪”的动态变化，有时候分子在电脑里好好的，到了细胞里就“散架”了。

当然了，悲观也没必要。

现在科学家盯上的目标更野了，比如设计能同时“抓”两个靶点的双特异性抗体，对付那些会“伪装”的癌细胞，或者让抗体带上“导航系统”，专门找肿瘤细胞下手，不伤及无辜。

这些以前想都不敢想的事，现在有了AI，好像没那么遥远了。

有人问2030年能不能看到AI抗体大规模上市，我觉得悬，但看到三五个肯定没问题。

前提是啥？AI专家别老躲在电脑后面，得多跟生物学家、医生聊聊。

毕竟代码能算出分子结构，算不出生命的复杂，就像你能用AI画张人脸，但画不出一个人真正的喜怒哀乐。

说到底，2025年这波突破，真正的意义不是“快”，而是“质变”。

AI以前只能帮科学家“找找方向”，现在能直接“交钥匙”，给个靶点，它把能当药的分子都给你设计好。

这种能力，正在把制药业从“经验驱动”拽向“理性设计”。

但别忘了，最后给病人用药的是人，不是算法。

技术再牛，也得一步一个脚印走，毕竟药是用来救人的，不是用来发论文的。