人工智能正在帮助科学家发现新的抗体，这些抗体可以触发我们自己的免疫系统破坏癌细胞。
免疫系统产生抗体，即可以攻击细菌和病毒等外来细胞的特殊蛋白质。有些可以攻击肿瘤
然而，寻找有效的抗体是很棘手的。研究人员通过突变已知示例来设计新的抗体，在细菌或酵母细胞中培养它们。然后对这些进行测试，以查看它们在实验室实验中与靶蛋白的结合程度。该过程重复多次，以缩小对最有前途的抗体的搜索范围。
筛选阶段既耗费又昂贵，这就是人工智能算法可以提供帮助的地方。加州大学圣地亚哥分校的一组研究人员开发了一种新系统，该系统鉴定出一种抗体，能够与程序性死亡配体17（PD-L1）（一种由癌细胞表达的蛋白质）紧密结合1倍，而不是atezolizumab，一种美国食品和药物管理局最近批准的现有抗体药物。研究人员希望将新的候选抗体开发成一种药物。
“给定抗体有数百万个突变体，不可能通过实验测试它们与抗原的所有结合。这就是为什么开发机器学习方法来加速这一过程很重要的原因，“发表在Nature Communications上的研究的资深作者，加州大学圣地亚哥分校医学院细胞和分子医学教授Wei Wang向The Register解释说。
来自癌性肿瘤的抗原激活人体的免疫系统以产生抗体并破坏它们。Wang和他的同事在数百万个抗体序列上训练了一个AI模型，以预测其与靶蛋白或抗原结合的能力。
由此产生的AI管道被称为“RESP” – 作者没有定义这个术语 – 但他们确实认为这是寻找有用抗体的有效方法。
“我们的RESP模型可以预测新序列的结合亲和力，即使它未包含在初始筛选文库中。与现有的AI模型相比，RESP模型的一个独特优势是，它可以[计算]预测的置信度，这可以极大地帮助选择少量序列进行[实验测试]，“王补充说。
该模型比传统的计算方法更有效地筛选抗体，科学家可以利用其预测找到最有希望的新候选药物，以便在实验室实验中进行合成和测试。人工智能加快了药物发现过程，因此公司可以更快地进行临床试验。
“通过结合这些人工智能工具，科学家们可能能够在计算机上而不是在工作台上执行越来越多的抗体发现工作，这可能会导致更快，更不容易失败的发现过程，”王在一份声明中说。“这个管道有很多应用，这些发现实际上只是一个开始。
