近(4)日，《Nature》新聞指出，科學家在開發對抗新冠(COVID-19)、伊波拉(Ebola)等病毒的抗體藥物時，一種類似於ChatGPT背後技術——屬於生成式人工智慧(generative AI)的「蛋白質語言模型」，能提供建議序列，使抗體的效能更強，有助減輕科學家開發抗體時的繁重工作。原研究刊登於《Nature Biotechnology》。

治療乳癌、類風濕性關節炎等疾病的抗體藥物，每年全球銷售額就超過1000億美元。抗體是生技醫藥界的寵兒，部分原因在於其能被改造(工程化)，從而與幾乎任何一種蛋白質結合、發揮功能。

不過，本篇研究作者、史丹佛大學計算生物學家Brian Hie指出，要創造具有有用特性的抗體，並進一步改善它，需要非常大量的篩選工作。

近半年爆紅的ChatGPT屬於生成式AI，其是一種能夠根據學習模式創建文本、圖像和其他內容的神經網絡。

史丹福大學研究人員希望利用生成式AI，加速抗體藥物的開發速度，並解開抗體藥物傳統設計方法所遇到的難題。

這種稱為蛋白質語言模型的神經網絡，不是像ChatGPT一樣輸入大量文字資料，而是透過數千萬個蛋白質序列進行訓練。先前已有其他研究團隊利用此類蛋白質語言模型，來設計全新的蛋白質。

Hie團隊使用的蛋白質語言模型，則是由臉書(facebook)母公司Meta的AI研究人員所開發的。他們使用此模型為抗體提供少量的突變建議。

該模型學習了近1億個蛋白質序列，其中只有數千個是抗體序列。儘管如此，這個模型提出的建議，有相當高的比例，確實提高了SARS-CoV-2、伊波拉病毒和流感病毒的抗體，與其標靶結合的能力；這代表抗體提高了辨識病毒，和阻斷這些病毒感染細胞的能力。

這樣的結果令科學家感到驚喜。不過，Hie說，目前COVID-19抗體對Omicron及其亞型無效，即使以AI引導改變，也不太可能恢復有效性。

通常為了提高抗體效能，科學家會集中精力改進抗體與標靶直接接觸的蛋白質區域。然而，本篇研究另一位作者、史丹福大學生物化學家Peter Kim表示，該AI模型建議抗體改變的位置，有許多是位於抗體與標靶相互作用的區域之外。

Kim說：「此模型提供的資訊，甚至是連抗體工程專家都完全或大部分沒有想到的。對我來說，這是一個『天啊，這到底是怎麼回事？』的時刻。」

參考資料：https://www.nature.com/articles/d41586-023-01516-w
研究論文：https://pubmed.ncbi.nlm.nih.gov/37095349/

(編譯/劉馨香)