人工智能催生新一代抗体探针，揭示活细胞内部奥秘

科罗拉多州立大学的研究人员已经确定如何利用人工智能修改抗体，使其像灯泡一样发光，从而使科学家能够更好地观察活细胞内部，以追踪可能导致癌症及其他疾病的基因表达错误。

这些发现，发表在 科学进展 上，概述了一种显著快于现有的手动测试和开发方法，以应对持续挑战，即持续清晰地观察微小细胞中的活动。

这限制了对与DNA转录和蛋白质合成相关的各种细胞功能和反应的基本理解。这些过程——被称为基因表达——是关于人类健康和疾病的许多突出问题的关键。

这种限制的一个主要原因是细胞内的DNA紧紧缠绕在称为 组蛋白 的蛋白质周围，这些组蛋白携带小化学标签，帮助确定基因何时被开启或关闭。这些组蛋白修饰就像基因的小交通信号灯，随着时间的推移可以不断变化。

研究人员曾试图使用抗体与细胞内的靶标结合，以更好地追踪这些变化及其产生的条件。然而，抗体是为了在血液中发挥作用而进化的，通常在活细胞内部的困难条件下会崩溃。识别可能适用于这一目的的抗体蛋白可能需要数年的手动筛选。

CSU团队通过使用人工智能快速重新设计潜在有用的抗体为细胞内抗体，克服了这一障碍。细胞内抗体是专门设计的抗体片段，旨在正确折叠、保持溶解性，并在细胞或血液中保持稳定性。当用特殊的 荧光标记 标记时，它们有助于实时可视化特定的组蛋白修饰及其化学关系。

CSU生物化学与分子生物学系的副教授Tim Stasevich是这篇跨学科论文的主要作者。他表示，可以把这些细胞内抗体探针看作灯泡，帮助更好地观察赋予细胞身份并告知其功能的活动。

“这些探针最终可能为癌症研究提供信息，帮助确定错误基因被激活的位置——例如，当肿瘤抑制基因应该开启时却在细胞中关闭，”他说。

“通过这些探针，我们可以看到是少数细胞出现故障，还是在更大范围内每个细胞都有问题。这项工作开发了一种新工具，使我们能够以前所未有的方式观察细胞之间的相互作用和细胞激活。”

他补充说，这些探针使研究人员能够看到这些微小过程的动态画面，而不是一组静态图像，这可能会错过关键时刻。

AI辅助的蛋白质设计将抗体序列转化为体内抗体

这项研究是一个日益增长的研究领域的一部分，旨在应用AI技术更好地理解活细胞的运作。

在这个项目中，CSU团队使用了谷歌DeepMind的AlphaFold2和ProteinMPNN软件工具，快速识别并重新设计与东京科学研究所的研究人员合作提供的潜在有用抗体蛋白序列，转化为可用的稳定体内抗体。

AI程序识别出“适合这个用途的目标”为这项用途提供了先机，这意味着团队只需测试大约五个潜在设计，就能找到一个有效的探针方案。之前，一名博士生可能需要花费数年时间在一个选项上，而没有成功的保证。

这个团队的方法是在现有工作的基础上，通过AI来加速蛋白质工程，由生物医学与化学工程学院的克里斯·斯诺教授主导，他也是这篇论文的作者之一。

总的来说，团队能够创建19种新的抗体探针，这些探针在高温下仍然有效，并且更容易生成以进行测试。值得注意的是，这19个序列中有18个在经过AI驱动的过程改进之前曾经失败过，这证明了这种方法在开发线索方面的有效性。

团队还指出，他们在管道中的失败与成功同样具有信息价值，因为这些失败突出了蛋白质结构中哪些模式和替代是有效的，值得进一步探索。

第一作者、博士生加布里埃尔·加林多表示，团队在项目中发现将常规抗体转化为体内抗体的整体成功率大约在70%左右。

“这显然比我们之前观察到的5%到10%的成功率要好得多，非常令人鼓舞。我期待看到其他新开发的AI工具，如 AbMPNN、IgMPNN和AntiFold，如何通过结合抗体特定的数据来进一步提升抗体结构的预测和设计，”他说。

斯塔塞维奇表示，一个持续的目标是帮助开发一个大型数据库，可以作为训练集，进一步优化AI软件的设计算法，以识别感兴趣的序列。

“这项工作的潜力真是让人惊讶，因为目前已经有超过2000个已解决的抗体结构和147,000个公开可用的序列——每一个都有可能通过我们的方法转化为有用的体内抗体，”斯塔塞维奇说。“而且这个数字将随着时间的推移继续增长。”

格雷琴·菲克森是生物化学与分子生物学系的本科生，也是斯塔塞维奇实验室研究的参与作者之一。在加林多的指导下，她参与设计了几种潜在的体内抗体，并验证了它们的功能和效率。

她说这个项目通过帮助将课堂上的材料与实验室中的实际工作联系起来，提升了她的学业成绩。

“我从这篇文章中学到的最重要的教训是如何整合多样的科学概念和方法，以获得更深层次的生物学见解，并拓展技术的可能性，”Fixen说，她现在是海德堡大学的研究生。

未来的工作是开发针对西尼罗病毒等病毒的体内抗体

布赖恩·盖斯教授是这项研究的共同作者，他认为这种方法在解决病毒学领域的类似问题上有很大潜力。他在微生物学、免疫学和病理学系的团队研究西尼罗病毒如何复制以及如何影响它们感染的细胞。

通过重新设计针对病毒的特异性抗体作为探针，他希望能够随着时间的推移追踪自然病毒蛋白的群体，以以前所未有的细节来理解感染过程。

盖斯说：“传统的固定细胞显微镜使用特异性针对病毒的抗体已经被广泛用于可视化病毒蛋白，但这种方法只能在时间上拍摄快照，并不能显示个别蛋白在感染过程中如何移动。”

“这种方法希望能帮助我们理解这些蛋白是如何影响复制的，并在感染的整个过程中改变细胞环境。”

他补充说，团队现在处于一个极好的位置，可以实时监测西尼罗病毒的组装和成熟过程，并且能够“看到”病毒颗粒的形成。

斯塔塞维奇表示，新探针的耐用性还带来了其他可能性。

“它们的坚韧性使得它们在诊断工作中非常有用。例如，由于它们在高温下仍然保持稳定，因此可以在各种环境下轻松运输，”他说。

“我们的方法展现了很多潜在的方向，未来追求这些方向会很令人兴奋。”

更多信息： 加布里埃尔·加林多等，人工智能辅助的蛋白质设计，能够快速将抗体序列转化为针对多种肽和组蛋白修饰的细胞内抗体，科学进展（2026）。 DOI: 10.1126/sciadv.adx8352