斯克里普斯研究中心的科研团队开发出一项结合人工智能与先进成像技术的新方法，可更精确高效地识别针对传染病的治疗性抗体。这项发表于《科学进展》期刊的研究成果，将传统筛选流程从数周缩短至不足一天，为抗体药物研发提供了可扩展的新方案。

该研究方法通过人工智能分析抗体与病原体结合的结构特征，显著提升了抗体筛选的效率和成功率。研究团队采用低温电子显微镜技术捕获抗体与目标结合的高分辨率图像，并借助基于图神经网络的人工智能工具ModelAngelo，从复杂免疫反应中快速识别具有保护作用的抗体序列。

研究资深作者、斯克里普斯研究中心综合结构与计算生物学系教授安德鲁·沃德表示："这代表了我们发现抗体方式的范式转变。通过利用人工智能分析免疫反应的结构细节，我们现在可以在短短几小时内识别出最有希望的候选治疗药物，其成功率比传统方法更高。这可能会改变大流行防范和治疗方案的开发。"

为验证实际应用效果，研究人员在动物模型中测试了通过该方法筛选的流感抗体，结果显示这些抗体能提供显著的病毒保护作用。该方法不仅适用于流感抗体研究，对HIV等其他传染病的治疗研发同样具有应用潜力。

研究团队成员詹姆斯·弗格森指出："这种方法令人兴奋的地方在于，它消除了抗体发现过程中的许多猜测。我们无需随机筛选数千种抗体，而是可以直接观察免疫反应结构，并识别出与功能重要位点结合的抗体。"

该研究团队正与斯克里普斯研究所多个实验室展开合作，进一步探索人工智能技术在治疗性抗体研发中的应用。这项技术突破有望提升应对新发传染病的响应速度，为未来疫苗和治疗方案开发提供技术支持。

更多信息： James A. Ferguson 等人，利用低温电子显微镜直接从免疫血清中发现功能性和表位特异性单克隆抗体，Science Advances (2025)。期刊信息： Science Advances