AI抗体设计，湿实验数据太太太重要了～

输入抗原然后一通运算，输出几条序列，同时配上几张三维结构图， 这基本上是AI抗体设计的现状。

2026年Nature的一篇文章测试了29家机构的511条AI设计的抗体。结果表明一些简单的活儿，比如 比如亲和力优化， AI可以胜任，但再进行复杂的成药任务，现阶段是无法胜任的。

要更好的迭代判断，模型需要大量数据来训练，而这些数据目前严重不足。

01

数据决定模型认知

基于免疫库序列训练的模型，可以学习抗体序列的规律；使用结构数据训练的模型，可以学习序列与空间构象的关系。

如果希望模型能识别中和力、受体激动效应或聚集风险，同样需要与这些属性相关的训练信息和验证数据。

因此AI模型训练要用湿实验把模糊的开发目标转化为可测量、可学习的数据集。

如果数据标签是某浓度下结合力，模型学到的是与这个读数相关的规律。但不会因标签叫“结合”，就默认学会预测平衡亲和力，更不能进一步推导药理功能。

数据标签越接近目的属性，模型的输出越准确，但接近目标的数据构成往往更复杂、更难扩大规模。这导致两难取舍，容易获取的大规模数据，未必能回答重要问题；贴近机制的数据，数量又非常有限。

总之，模型开发是明确实验数据与设计目标间的关系，关系不清楚，模型就不准！

02

湿实验联系序列和功能

一条序列与它生物学性质间的联系需要湿实验来解决，湿实验的数据标签会决定模型学到了什么！

生物学数据具有很强的条件依赖性！

同一序列用不同抗体形式、不同抗原构建体或不同的检测方法，得到的读数未必相同。即便都叫亲和力，也需要理解测量方法、实验范围与拟合假设。如果条件信息没有，模型看到的是同一序列的多个互相冲突的数字。

所以AI训练的数据不是简单的序列—数值两列，数据标签后面要有大量的背景信息同时给出。

按这个标准，现有的数据可能是一堆垃圾！

很多公司认为做了很多实验，攒了大量数据，但对AI来说可能不是蜜糖而是砒霜！你以为要训练一个智能，最后可能出来一个智障！

NGS出现以后，抗体序列产生速度非常快，天然BCR库很容易做到百万、千万甚至更大的量级。

但真正有一一对应的KD、kon/koff、epitope等功能数据的序列要少几个数量级。

缺乏Large、Diverse、Unbiased的高质量数据是现有模型的主要瓶颈。

现存数据不是随机抽样，严重偏向已被大量研究的序列，这导致模型的可靠性明显下降。失败的阴性数据对模型来说同样可以定义抗体设计空间的边界。

而且阴性数据的价值取决于被怎样定义。抗体表达低导致的亲和力测试失败，如果不区分就记成阴性，模型就可能把表达问题误学成结合问题，或把检测失败误学成分子缺陷。

对AI而言，有价值的数据集不是片面筛选的，要保留数据的完整性。由于之前的漏斗筛选模型，大量数据没被收集起来，就比较遗憾了。

再有如上文亲和力的例子，同样的数据点不同实验间结果不同，所以无法直接合并。只留一致的数据，那数据库太小；把所有数据都放进来，噪音就一起增加了。

所以AI真正想要的是10万条抗体序列✖️同一实验体系✖️同一protocol✖️ 完整的元数据。

现有的数据常只有一个维度，但抗体是典型的多目标优化问题。

比如现有不少亲和力的数据，如果只训练KD模型很简单，但是要做抗体药物模型，要同时优化一系列参数，亲和力、特异性、表达、稳定性、溶解性、聚集（倾向）、多反应性、药代动力学（PK）、免疫原性……

于是经常出现KD提高了10倍，但表达变差了，牵一发而动全身！

理想数据应该是同一条序列标签下，同时拥有多个属性的湿实验测试数据。

基于上述，市场现存最好的数据压根不在公开数据库，也不在那些自我感觉良好的阿狗阿猫手里！

大概率在在罗氏、基因泰克、安进、再生元、AZ这些巨头过去二三十年的项目里。

不过他们也有难处，一条抗体一路下来会留下大量序列-表型的数据，但很多数据散落在旧数据库，项目报告资料，实验仪器原始文件，甚至已经离职员工留下的文件夹里。

03

Closed Loop，数据复利模型

AI公司都喜欢讲讲Closed loop，抗体可能是最适合建立Closed loop的药物形式。从序列到分子，工程链条清晰，可通过一系列标准化实验得到相对量化的读数。

如果这个循环可以持续，就和AI模型的迭代非常同步了。

第一轮模型可能很一般，1000个设计中只有20个像样；第二轮有了第一批实验数据，命中率提高到5%；第三轮又学到前一批失败。循环往复，最终模型越来越厉害！

这个学习循环一旦建立，算法就不再是壁垒！

用一套固定分析方法、统一SOP把成百上千的靶点序列相关的数据做出来，再一轮一轮的训练模型，这个过程很难复制，这才是AI公司真正的护城河。

所以AI抗体公司真正有价值的数据，不是从原来数据上修修补补而是原生的、标准化的数据。

所有的数据能标准的和序列一一对应，连续定量的读出而且和AI的学习进化过程同步，这样的数据和从100篇paper里扒出来的公开数据，价值不可同日而语。

04

未来最强AI抗体公司，必须是自动化湿实验公司

如果前面判断成立，那未来AI抗体公司的组织结构也会发生变化。

早期AI Biotech讲的是20个算法工程师训练一个很厉害的模型，然后和药企合作。而实际能落地、有壁垒的是掌握湿实验能力和数据的公司。

这里对湿实验平台的要求比传统抗体筛选更高，能力要全面，实验要高通量且标准化！

过去平台指标往往是能完成多少交付工作，但AI时代还要评估每一个实验点能产生多少模型能用的信息，追求的不只是高通量还是高信息量。

同样筛1000条抗体，如果只留下“结合/不结合”两个标签，这1000个实验点对模型的价值有限；但如果每条抗体同时有KD、kon、koff、expression、Tm、aggregation、polyreactivity、epitope和cell potency，那这1000条数据的训练价值完全是另一个量级。

再有就是自动化的数据收集和分析，很多药企不缺实验，但无法拿出来能训练模型的实验数据。

仪器产生的原始文件、ELN记录、Excel表格、项目PPT、实验条件和样本信息根本没有整理，一旦需要训练模型，再花大量人工去整理清洗这不光麻烦还不合AI胃口。

真正的自动化平台，从实验开始就按“要给AI学习使用”的标注设计。

从源头基于序列、抗原结构、测试SOP等设计统一的数据结构。无论阴性阳性，都自动收集，形成模型喜欢的从样品到分析再到读出的完整可追溯数据链。

这也是为什么未来真正强的AI 抗体公司，看起来可能越来越像一家高度自动化的实验数据工厂。

谁可以低成本、高通量，持续的迭代产生AI模型需要的实验数据，谁就有机会拥有更好的AI。

欢迎加入胖猫的知识星球！

AI时代，一起用产业专业的视角看懂生物医药！

和志同道合的小伙伴们，一起抓住时代的大机会～