💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
百奥几何与上海交通大学合作，利用生成式AI优化8G3抗体，使其对病毒变异株JN.1的中和活性提升1000-1500倍。研究成果发表在《美国国家科学院院刊》，展示了生成式AI在抗体工程中的应用潜力。
🎯
关键要点
- 百奥几何与上海交通大学合作，利用生成式AI优化8G3抗体。
- 8G3抗体对病毒变异株JN.1的中和活性提升1000-1500倍。
- 研究成果发表在《美国国家科学院院刊》，展示生成式AI在抗体工程中的应用潜力。
- 病毒基因组快速进化导致早期开发的抗体失效，需优化现有抗体。
- 研究团队利用GeoBiologics平台和几何深度学习进行抗体优化。
- 8G3抗体在多个变异株中表现良好，但对JN.1的中和能力显著下降。
- 采用两轮优化策略，第一轮通过AI筛选单点突变，第二轮进行组合突变。
- 双点突变使中和活性提升100-300倍，四点突变提升1000-1500倍。
- GearBind模型在抗体亲和力优化中表现卓越，减少实验时间和成本。
- 生成式AI在抗体优化和生物制造领域展现巨大潜力，推动智能化生物制造的发展。
❓
延伸问答
百奥几何与哪所大学合作进行抗体优化研究？
百奥几何与上海交通大学合作进行抗体优化研究。
8G3抗体对JN.1变异株的中和活性提升了多少倍？
8G3抗体对JN.1变异株的中和活性提升了1000-1500倍。
生成式AI在抗体工程中的应用潜力如何？
生成式AI在抗体工程中展现出广泛适用性和变革潜力，能够加速新型抗体的设计与筛选。
研究团队采用了什么策略来优化8G3抗体？
研究团队采用了两轮优化策略，第一轮通过AI筛选单点突变，第二轮进行组合突变。
GearBind模型在抗体优化中有什么优势？
GearBind模型能够在短时间内大幅提高抗体亲和力，减少实验时间和成本。
病毒基因组的快速进化对抗体开发有什么影响？
病毒基因组的快速进化导致早期开发的抗体失效，需优化现有抗体以应对新变种。
➡️
