利用生成式ai精准优化抗体，中和活性提升千倍！百奥几何与上海交大团队合作，基于geobiologics平台，成功将8g3抗体对jn.1变异株的中和活性提升1000-1500倍，研究成果已发表在pnas期刊上。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
面对病毒不断变异的挑战，快速优化现有抗体至关重要。该研究利用生成式AI和几何深度学习，构建了一套高效的抗体优化流程。8G3抗体对早期变异株有效，但对JN.1变异株几乎失效。研究团队通过两轮优化：第一轮AI筛选单点突变，提升47倍活性；第二轮AI驱动组合突变，最终使活性提升1000-1500倍，达到8.5 ng/ml。
论文地址：https://www.php.cn/link/2760e894ae70a26f9e0ffb5ebb51dab4
该研究的核心是GeoBiologics平台上的GearBind模型，这是一种基于几何图神经网络的抗体亲和力优化模型，已发表在Nature Communications期刊上。GearBind能高效预测突变体的亲和力变化，显著缩短研发周期并降低成本。其创新之处在于：多重关系图神经网络、多级消息传递机制和对比学习预训练。
GearBind已在多个项目中证明其有效性，例如CR3022抗体和5T4纳米抗体优化。传统抗体优化依赖耗时的湿实验，而GearBind能有效克服这一瓶颈，为抗体工程带来变革。
这项研究展示了生成式AI在生物医药领域的巨大潜力，为快速开发高效抗体提供了新的策略，加速了智能化生物制造的发展。
