昨(19)日，華盛頓大學(The University of Washington)研究團隊首次成功透過修改一種名為RFdiffusion的AI工具，從頭設計出具有抗體相似結構的蛋白質，其類似於自然免疫系統產生的抗體，可以與特定的疾病標靶結合，有望為患者提供更有效、安全的治療選擇。該研究發表於預印本平台《biorxiv》。
 
研究團隊去年發布的RFdiffusion，能幫助設計迷你蛋白質，這些蛋白質具有與目標蛋白質相互作用的能力，但這些用AI客製化的蛋白質與抗體沒有相似之處，通常抗體與特定標靶結合，是通過鬆散環(Floppy Loops)的特定結構進行，不過，這種鬆散環的結構很難以人工智慧來建立模型。
 
為了克服這個問題，引領此研究的David Baker和Joseph Watson的研究團隊共同修改了RFdiffusion，接著設計數千種抗體，可以識別幾種細菌和病毒蛋白的特定區域，其包括SARS-CoV-2和流感病毒在與細胞結合的蛋白，另外還有癌症藥物標靶，並測試這些分子是否可正確和目標結合。
 
實驗結果發現，大約100個設計抗體中會有1個能與目標蛋白質結合，成功率比團隊目前使用其他類型的AI設計蛋白質還低。
 
Joseph Watson表示，RFdiffusion生成的抗體仍需要進一步的研究和開發，才能應用於臨床實踐。任何成功的抗體都需要進行序列修改，使其更接近人體抗體，以避免引發免疫反應。
 
目前，已經有一些公司使用AI來幫助開發抗體藥物，David Baker和Joseph Watson的團隊也希望利用RFdiffusion來解決已經被證明具有挑戰性的藥物靶標，例如G蛋白偶聯受體(G-protein coupled receptors)——幫助控制細胞對外部化學物質反應的膜蛋白。
 
這些AI設計的抗體也屬於單域抗體(single-domain antibodies)，其具有比較簡單的結構，更容易在實驗室中研究，而且類似於駱駝和鯊魚中發現的抗體。牛津大學(Oxford)的結構生物資訊學教授Charlotte Deane表示，即使設計單域抗體相對容易、直接，但仍要先確保這些抗體的設計具有其意義。
 
整體來說，此研究展示了AI在蛋白質設計領域的潛力，特別是在從零開始來製作新型抗體方面。雖然目前還有一些挑戰需要克服，例如抗體與目標結合不夠牢固，需要對序列進行修改以防止免疫反應，以及設計的抗體為單域抗體而不是較為複雜的抗體，但這項工作為未來開發更有效的抗體藥物奠定了基礎，對未來藥物開發和臨床治療具有重要意義。
 
參考資料：
https://www.nature.com/articles/d41586-024-00846-7  
 
(編譯/實習記者 鐘御慈)