AI抗体研发，从纸上谈兵真正变成可落地新药

抗体药物是肿瘤、自身免疫性疾病、罕见病临床治疗的核心支柱，可传统研发路线周期冗长、分子淘汰率居高不下；生成式 AI 技术问世后，仅需短短数天就能批量生成上万条全新抗体序列，大幅破解了传统筛选耗时长的行业难题。

但 AI 抗体研发仍存在难以绕开的行业痛点：即便算法给出高分的虚拟抗体序列，进入真实湿实验验证阶段后，依旧会出现大规模失效翻车的情况。

结合行业发展历程、海内外真实临床管线、权威文献数据，聊聊 AI 抗体研发的核心卡点。

AI 制药演进历史-从计算机辅助设计到生成式抗体新药

AI 赋能蛋白与抗体药物研发历经三代范式跃迁，每一轮技术突破均由算法与实验数据共同驱动。

萌芽阶段（1980-2016）

AI 普及前，行业依靠动物杂交瘤、噬菌体展示等经典技术，获批药物超200款，但存在重亲和力、轻功能、研发周期长、随机性强的问题。

简单说下两大传统路径的短板：

杂交瘤：给小鼠注射抗原，取脾脏细胞融合筛选，周期动辄 1-3 年，只能得到鼠源抗体，后续还要人源化改造；

噬菌体展示：体外构建抗体文库，多轮淘选抓结合分子，但文库容量有限，很难针对难成药靶点拿到优质分子。

随后CADD 计算机辅助药物设计时代到来，抗体研发从纯实验筛选迈入理性设计阶段。但早期 CADD 分子对接、分子动力学，只能微调已经存在的抗体，没办法从零创造全新蛋白序列。整套流程随机性极强，100个初筛分子里，最终能推进临床的不足5个，绝大多数分子在表达、稳定性环节直接淘汰，大量优质靶点卡在筛选环节无法推进。

   

深度学习奠基期（2017-2020）

2021 年 AlphaFold2 发表于《Nature》，实现蛋白质单体高精度三维结构预测，彻底夯实抗体理性设计的底层基础。

   

同期，抗体专用模型 AntiBERTa、DeepAb相继发布，利用蛋白预训练语言模型完成 CDR 区序列预测、亲和力虚拟评估，AI 开始介入抗体工程，但这个阶段的 AI 只能停留在论文里：没有大规模标准化湿实验数据回流，模型预测和真实细胞表达环境存在巨大鸿沟，算法算出来的高分序列，实际蛋白折叠、表达量完全不达标，很难落地产业化。

生成式 AI 爆发期（2021—至今）

扩散模型、蛋白大模型快速成熟，实现由靶点 / 表位直接从头生成全新抗体序列，不再局限于改造天然抗体。

依托 2025年mAbs权威综述《人工智能驱动的抗体设计与优化计算方法》，该文章系统拆解五大核心计算子任务：从抗体三维结构精准预测、抗体序列 / 结构多模态表征学习、固定骨架下的抗体逆折叠序列优化，到无抗原约束的广谱抗体文库生成，最终聚焦行业核心痛点 ——抗原条件化靶向抗体从头设计。

   

综述客观剖析行业现存核心瓶颈：如抗原—抗体复合物实验结构数据稀缺、传统模型难以兼顾结合亲和力与成药性、体外验证体系缺乏统一标准、AI设计抗体尚未落地临床；并指明未来核心发展方向 —— 搭建“AI 计算预测-高通量湿实验筛选-实测数据回流迭代”的 Lab-in-the-Loop 闭环研发体系，融合流匹配等新型生成架构、完善多目标联合优化算法。

AI 制药行业里程碑-小分子药物先行，抗体药紧随进入临床

小分子赛道已经完成临床验证标杆案例：英矽智能 Rentosertib（TNIK 抑制剂），全球首款 AI 全程完成靶点挖掘 + 分子设计的新药，2026 年正式启动 III 期临床，用于特发性肺纤维化。 从靶点识别到确定候选分子仅 18 个月，仅合成不到 80 个化合物；IIa 期临床数据显示，给药组患者 12 周肺活量平均提升 98.4mL，安慰剂组持续下降，药效信号明确，成果分别刊发于《Nature Biotechnology》《Nature Medicine》。

大分子抗体领域同样迎来里程碑：Generate Biomedicines 开发的GB-0895（golukibart），全球首个进入 III 期临床的生成式 AI 从头设计抗 TSLP 长效抗体，用于重度哮喘，从分子合成到进入 III 期临床仅耗时 4 年；I 期临床数据显示半衰期约 89 天，可支持每 6 个月一次给药，在 96 例轻中度哮喘受试者中展现良好耐受性与明确药效标志物下调，现已启动覆盖 40 余国、约 1600 名受试者的全球 III 期 SOLAIRIA 项目，标志 AI 抗体正式从论文走向临床开发主战场。

AI 制药全球研发现状-靶点、分子类型、临床阶段一览

目前全球数十家企业布局 AI 抗体平台，多条管线推进至 I/II/III 期（数据截至 2026 年 8 月，全部来自企业公告、临床登记、行业综述，仅供参考）。

海外产业格局

国内产业格局

AI 开发行业痛点-AI 设计命中率极低，干湿实验割裂

尽管海内外 AI 模型层出不穷，但多篇同行评审文献给出统一结论：AI 从头设计全长 IgG，真实湿实验结合命中率仅 1%-5%；大量电脑上的高分序列，送到实验室后出现表达量极低、蛋白聚集、热稳定性差、非特异性结合等致命成药性缺陷，等到 CMC 阶段才暴露，研发成本全部沉没。

百英生物深耕抗体表达与高通量筛选领域，针对当下 AI 抗体研发干湿流程割裂、数据无法闭环迭代的行业痛点，自主开发的RushData® 超高通量 AI 抗体湿实验验证平台，搭建起AI虚拟序列与真实实验数据之间的关键桥梁，打通了从抗体序列构建、多维成药性检测到标准化数据回流、模型迭代优化的全链路。

RushData 服务平台-专为AI智药湿实验而生

该平台可一站式完成高通量表达、活性检测与成药性综合分析，通过将标准化实测数据完整闭环，助力企业校验 AI 模型准确度，驱动算法持续迭代优化。

RushData平台可在快至一周内产出高质量数据，实现数千候选分子并行开展高通量筛选；同时能前置识别成药性隐患，完成早期控险、规避后续研发投入风险；最终输出标准化结构化数据，适配多靶点建模需求，持续数据赋能 AI 模型迭代优化。

1天CHO细胞表达

RushData平台实现了1 天 CHO细胞表达体系，突破传统细胞表达慢、周期长的瓶颈。快速完成从 AI 设计的抗体序列转化为足量高纯度样品，并通过系统化实验输出可靠数据，打通 “序列到数据” 的高效链路。

一周可获得高质量数据

区别于传统仅检测亲和力的单一筛选模式，RushData平台搭建全覆盖、高通量的成药性评价体系，依托BLI、SPR、DSF、PSR、AC-SINS等检测技术，一周即可完成数千候选分子同步抗体筛选。所有实验结果均按统一标准结构化输出，可直接对接 AI 模型训练与多靶点建模，为算法迭代提供真实、高质量的湿实验数据支撑。

前置风险评估，加速候选抗体筛选

RushData核心优势之一在于依托多维度检测数据，构建了科学的成药性综合评估体系，对抗体核心指标进行量化评分与风险预判，前置识别潜在成药性隐患，帮助企业快速锁定兼具高活性与高成药性的优质候选抗体，大幅提升研发决策效率与项目成功率。

服务详情

百英生物RushData平台建立了多种不同的服务模式，包含基础快速筛查适配早期大批量序列初筛，快速淘汰无效分子；结合活性表征分析，精准优化抗体结合性能；还覆盖成药性分析全景测评服务。