LLNL科学家利用人工智能优化抗突变抗体，加速流行病防范

美国劳伦斯利弗莫尔国家实验室（LLNL）的研究人员与其他科研机构合作，成功地使用人工智能驱动的平台预先优化抗体，以中和广泛多样的SARS-CoV-2变体。

这一开创性的方法发表在《科学进展》杂志上，标志着在抗击SARS-CoV-2等快速进化的病毒方面取得了重大进展，提高了未来的流行病防范能力和抗体治疗复原力。该论文详细介绍了3152-1142的开发，这是一种源自AZD3152的下一代抗体，AZD3152是生物制药公司阿斯利康目前在欧洲和日本批准用于新冠肺炎暴露前预防的药物。

通过整合尖端的计算建模、深度突变扫描和实验室验证，科学家们设计了一种抗体，可以恢复对多种潜在逃逸变体的全部效力，包括在这项工作过程中出现的一种变体，目的是增强对未来潜在突变的抗体。

LLNL的首席研究员Dan Faissol说：“这项研究证明了计算生物学和人工智能在应对现实世界健康危机方面的力量。”“通过将机器学习与实验室验证相结合，我们很快开发出了一种抗体，可以对抗新出现的威胁，证明我们可以对抗一种主动变异的病毒。”

应对病毒进化的挑战

正如新冠肺炎大流行所表明的那样，SARS-CoV-2迅速演变，使许多以前有效的抗体治疗方法过时。大多数中和早期菌株的临床抗体对最近的奥密克戎亚变异株失去了疗效。AZD3152是作为免疫功能低下患者群体的预防性治疗而开发的，也显示出对病毒逃逸突变的易感性。

为了应对这种情况，LLNL和阿斯利康的研究人员开始了一项任务，即先发制人地提高抗体的有效性。他们的方法始于深度突变扫描，这是一种模拟数千种可能的病毒突变以识别抗体结合能力中潜在弱点的技术。科学家发现，病毒刺突蛋白某些位置的特定突变显著降低了AZD3152的中和能力。

为了解决这些漏洞，研究人员采用了作为GUIDE计划一部分开发的生成无约束智能药物工程（GUIDE）计算平台。其目的是提高生物防御准备，并经济有效地发现新出现和意外生物威胁的医疗对策候选者。

研究人员利用该平台分析了100多亿个潜在的抗体变种，并预测哪些变种会增强与SARS-CoV-2型变体的结合，包括那些尚未流通的变体。然后，在实验室对顶尖候选人进行测试，以确认其疗效。

经过两个迭代设计周期，该团队确定3152-1142是最有前景的优化抗体。这种新的抗体变体对之前未被AZD3152中和的SARS-CoV-2变体的效力提高了100倍。

对未来流行病防范的影响

这项研究建立在同一团队之前的工作基础上，将人工智能驱动的抗体优化作为传染病管理中的革命性工具。该项目的独特之处在于能够预测病毒的进化，并设计出持续时间更长的有效治疗方法，从而减少不断重新开发的需要。

该团队设想有一天有能力快速重新设计抗体，以获得美国食品和药物管理局的快速批准，类似于流感疫苗以快速审查周期获得批准的方式——其基本原理是研究人员对之前经过严格审查的药品只进行了一些氨基酸更改。

第一作者、LLNL生化和生物物理系统组的计算物理学家Fangqiang Zhu说：“通过展望未来，解决病毒可能如何进化的问题，我们不仅仅是在应对当前的威胁，我们还在积极开发治疗方法，以对抗未来潜在的病毒进化。”