深挖四家AI制药后，牛津学霸惊叹：AI抗体的AlphaFold时刻，真的来了！

2025年以来，AI抗体算得上AI制药领域极具关注度的赛道之一 。

不仅一举诞生了多家独角兽企业， 全球首款完全由 AI 设计的抗体药物也于25年底进入了临床 III 期。

近日， 牛津大学生物化学讲师 Carlos Outeiral 撰 写了一篇名为“The antibody revolution is real. The business, less so.”的文章。

他曾担任埃里克·施密特人工智能科学研究员， 在抗体领域拥有超过十年工作学习经验，文章以近万字的篇幅详细阐述了他对AI抗体领域的观察和理解。

“近两年我们 所见的AI抗体发现进步，让我想起了2021年的AlphaFold 2……过去几个月里，我花费了大量时间对此进行深入思考，最终得出的结论是：在科学领域并不存在任何陷阱…… ”

他在文章中详细分析了 Chai Discovery、Nabla Bio、Latent Labs和Xaira Therapeutics四家AI抗体明星企业，下文中我们将文章进行了编译，着重介绍了AI抗体的 技术突破和商业布局 。

四家企业接连成功 AI抗体革命已打响

诺奖得主David Baker实验室使用AI从头设计抗体的论文，被视为这一连串突破的起点。

该技术的直接授权企业就是Xaira Therapeutics，David Baker本人也是这家公司的联合创始人，这家公司已经拿下了超10亿美元的种子轮融资。

论文中首次展示了利用AI从头找到一种结合物：零样本且针对真实但已被广泛研究的靶点（血凝素、艰难梭菌毒素 B 等）。尽管其效力相对较弱（个位数微摩尔或三位数纳摩尔），且命中率为 1% 到 2% 左右。

仅仅三个月后，Chai Discovery就展示了质量高得多的零样本抗体，该公司由AI抗体研发公司Absci的前首席AI官Joshua Meier联合创办，也是一家估值高达13亿美元的独角兽企业。

这一次是针对前所未有的靶点，且效力显著提高（一般为个位数到双位数纳摩尔），命中率也大幅提高到了两位数

Chai团队报告称，在他们尝试的近半数目标中，成功率达到两位数。

临近年底时，Nabla.Bio展示了与上文Chai-2有相似的命中率的模型，并进行了更为严格的基准测试。

该公司由哈佛大学基因编辑泰斗George Church的实验室中拆分而来，已与阿斯利康、BMS和武田三家跨国药企合作，前期付款和里程碑付款价值超过10亿美元。

Nabla报告了湿实验室分析结果，涉及热稳定性、单体性、表达滴度等诸多方面，而这些抗体在这些指标上表现得相当有吸引力。

等到圣诞节前夕，Latent Labs展示了与其他实验室类似的结果，该公司由AlphaFold2核心科学家Simon Kohl创办，已经拿到了5000万美元融资。

Latent Labs的AI抗体产率与单体性突出，热稳定性也极为出色

该公司甚至验证了其自研AI抗体在健康受试者 T 细胞样本检测中表现出低免疫原性，当然这种体外检测结果对于真实患者体内的实际反应预测效力十分有限。

深入分析以上四家实验室所公布的实验数据后，作者充分肯定了AI抗体技术的有效性，并认为近两年的AI抗体革命中蕴含大量优秀的科学成果。

两大商业模式 实现差异化竞争

这四家企业都属于典型的平台型公司，都致力于开发一种能够催生多种药物的技术引擎，这类公司要么自己研发药物（下文称为“自研”模式），要么帮助他人研发药物（下文称为“外包”）。

外包路线中，作者格外看好Chai Discovery，该公司已经通过和礼来、辉瑞的合作关系带来了持续营收，且披露的合作费用据称达到了八位数。

自研路线，企业则需要选定一些有价值的目标，针对它们开发相应的抗体，推动这些抗体尽快进入临床阶段，作者认为Xaira正在采取这一策略。

而Nabla正在另辟蹊径的专注一些更高难度但也更能体现AI价值的靶点，该公司正在开发针对G蛋白偶联受体的抗体，并且已完成了靶向 KRAS 的 肽-MHC 抗体模拟物。

Nabla设计的pMHC抗体晶体结构，圆圈突出显示氨基酸Val12的侧链。

作者还关注到了数据飞轮的存在。传统的制药过程中，一个失败的项目会被终止，几乎不会带来任何收获；而在AI制药方向，一个失败的项目却能成为宝贵的训练数据。

—The End—