从头设计抗体，腾讯、北大团队预训练大语言模型登Nature子刊
原文中文，约3300字，阅读约需8分钟。
📝
内容提要
腾讯AI Lab与北京大学深圳研究生院和西京消化病医院研究团队合作，提出了一种预训练抗体生成大语言模型（PALM-H3），用于从头生成具有所需抗原结合特异性的人工抗体CDRH3，减少对天然抗体的依赖。同时，还设计了一个高精度的抗原-抗体结合预测模型A2binder。该研究建立了一个用于抗体生成和评估的人工智能框架，有望加速抗体药物的开发。
❓
Q&A
PALM-H3模型的主要功能是什么？
PALM-H3模型用于从头生成具有所需抗原结合特异性的人工抗体CDRH3，减少对天然抗体的依赖。
A2binder模型的作用是什么？
A2binder模型用于预测抗原-抗体结合的特异性和亲和力，能够准确评估人工生成抗体的性能。
PALM-H3与天然抗体的区别是什么？
PALM-H3生成的抗体与天然抗体在序列上存在显著差异，但结合概率未受显著影响。
该研究如何加速抗体药物的开发？
该研究建立了一个人工智能框架，通过优化抗体生成和评估过程，有望显著加速抗体药物的开发。
PALM-H3在抗体设计中有哪些优势？
PALM-H3能够有效探索序列空间，生成针对特定表位的高亲和力结合物，克服传统方法的局限。
研究中提到的体外实验结果如何？
体外实验表明，PALM-H3设计的抗体在结合亲和力和中和效力上均优于天然抗体。
🏷️
