企业官网建设流程全解析

这两年，AI 设计抗体从学术论文里的概念，逐渐变成了很多生物医药团队实际在调研的方向。一方面，以 AlphaFold 为代表的蛋白质结构预测确实把计算生物学推到了新高度；另一方面，药企和科研机构真正关心的问题却很朴素：AI 设计的抗体序列，进了湿实验室之后到底能不能用？结合亲和力够不够？表达是否正常？会不会还没到临床阶段就因为稳定性、免疫原性等问题被淘汰？

这些问题靠一两篇论文很难回答。因为不同团队用的数据集、评估指标、验证方案都不完全一样，横向对比意义有限。近期看到的这场盲测很有参考价值：29 家机构、511 条序列被拉进同一个评测框架里，用统一标准检验 AI 设计抗体的真实水平。这篇文章就围绕这场盲测展开，拆解 AI 抗体设计的技术原理、评测逻辑、工程落地时的常见问题，以及如何在项目里建立一套“计算 + 实验”的可信闭环。

如果你是做 AI 算法、生物信息学，或者是药企里负责抗体发现和序列设计的研发人员，这篇文章会帮你建立一套判断 AI 抗体设计工具能力的评估框架，也能少走一些重复踩坑的路。

1. 背景与核心概念

1.1 什么是 AI 抗体设计

抗体设计是一个典型的“搜索 + 优化”问题。抗体分子通过可变区（尤其是 CDR 区域）与抗原表位结合，理论上，CDR 区域的氨基酸组合空间巨大，传统实验方法只能覆盖极小的范围。AI 抗体设计的目标，就是通过计算模型从巨大的序列空间中搜索高概率、有功能潜力的候选抗体序列。

传统流程通常包括：动物免疫或杂交瘤筛选、噬菌体展示、酵母展示等实验手段。这些流程成熟但周期长、成本高。AI 设计试图在前端做筛选，把实验重点放到更小的候选集上，理论上能压缩抗体发现周期。

从技术角度看，AI 抗体设计并不仅仅等于“用 GAN 生成序列”，它至少包括三个层次：

• 序列层：生成 CDR 序列，优化互补决定区。
• 结构层：预测抗体三维结构，评估 CDR 构象。
• 功能层：预测抗原-抗体结合亲和力、稳定性、可开发性。

层次越高，任务越复杂，评估难度也越大。

1.2 为什么需要一场“盲测”

AI 模型在训练集上的表现通常很好，但真实场景下的泛化能力是另一回事。很多研究在发表时使用内部数据集，评估结果容易受数据泄漏、评价指标不统一等因素影响。

盲测的核心价值在于：

• 统一数据集：所有参与者面对同一个测试集，避免各说各话。
• 统一评价指标：用同一套标准评估生成序列质量。
• 降低期望偏差：在公布模型身份之前先看结果，减少“品牌效应”影响。

29 家机构参与、511 条序列进入统一评测，这相当于在行业内做了一次“横向对比实验”。即便最终结果不能完整代表生产环境，也能反映出一个重要信息：目前 AI 设计抗体处在什么水平，哪些环节已经很成熟，哪些环节还明显不足。

1.3 29 家机构与 511 条序列意味着什么

从信息量上看，29 家机构具备一定的行业代表性，覆盖了学术界、AI 制药初创公司、大型药企的计算平台团队等不同背景。511 条序列构成一个中等规模的测试集，排除了“模型只在一个靶点上表现好”的偶然性，也让评估结果具备相对的统计可信度。

但这里要理性看待。511 条序列并不等于 511 个成功设计的抗体先导分子。盲测更可能关注的是：在统一任务定义下，每一条生成序列是否满足设计要求，比如序列合理性、结构可行性、与参考抗体的相似度、可开发性预测指标等。

因此，盲测结果更适合解读为“AI 设计能力的横向切片”，而不是“哪家机构直接拿到了临床候选分子”。

1.4 容易混淆的概念

围绕 AI 抗体设计，三个概念容易混淆：

抗体生成 vs 抗体优化。生成是从零构建 CDR 或完整可变区序列；优化是在已知抗体基础上改造，例如提高亲和力、降低免疫原性。盲测中如果任务定义偏向某个方向，结果不能随意推广到更大范围。

结构预测 vs 功能预测。AlphaFold2 能预测结构，但不能直接告诉你这个抗体能不能结合目标抗原。结构预测解决的是“三维形态长什么样”，功能预测回答的是“这个形态能不能工作”。

序列多样性 vs 功能多样性。模型可能生成 1000 条序列完全不同的抗体，但其中 990 条在表达、折叠、结合能力上都不合格。多样性指标高，不一定代表功能空间被充分探索。

理解这几个区别，才能正确解读后续的评估结果。

2. 盲测设计解读：到底在测什么

2.1 从算法到湿实验：评测链条

一次完整的 AI 抗体设计评测，通常不会只停留在计算层面。按阶段划分：

1. 计算阶段：模型生成序列或结构。
2. 干实验验证：用已知数据回测、结构预测、可开发性指标计算。
3. 湿实验验证：ELISA、SPR、FACS 等实验检测是否真实结合。
4. 后期筛选：表达量、聚集温度、稳定性、CMC 属性。

大多数公开盲测只覆盖前两步。原因很直接：511 条序列全部做湿实验，成本和时间跨度太高。因此，盲测结果能告诉我们 AI 模型“在计算指标上表现如何”，但未必能直接断言“这批序列能成为药物”。

2.2 核心任务拆解

根据常见的 AI 抗体设计评测范式，盲测通常拆解成以下几类子任务：

不同的任务对应不同的模型设计思路。一个模型很难在所有任务上同时夺冠，这也是盲测最有信息量的地方：它展示了当前方法的能力分布。

2.3 盲测的关键：训练集、测试集与信息泄漏

如果你做机器学习，应该对信息泄漏非常敏感。抗体设计领域同样如此。

假设测试集里的某个靶点、某个表位在训练集中出现过，模型相当于“见过答案”，生成结果自然更好。而真正有意义的盲测，应满足：

• 测试集靶点与训练集靶点无重叠
• 测试集序列与训练集序列的序列一致性低于阈值
• 公开数据库中的已知结合抗体不能作为测试集正样本

这三点是判断一次盲测是否可信的基础。说“29 家机构、511 条序列进入盲测”，读者首先应该看的就是任务划分和数据隔离策略，而不是直接比较分数排名。

2.4 评分方式的常见设计

为了量化生成质量，盲测通常会设计多维评分：

• 序列层面：氨基酸分布合理性，是否具有天然抗体特征。
• 结构层面：CDR 环区构象有效性，是否与框架区冲突。
• 功能层面：与抗原的对接打分，结合自由能预测。
• 可开发性层面：聚集倾向、溶解度、表达预测。

不同指标之间往往存在冲突。比如，追求高亲和力预测值可能牺牲可开发性，追求多样性可能让整体序列质量下降。因此，盲测的设计者通常用综合排名或 Pareto 前沿来评估参与者，而不是只看单一指标。

理解这一点，你才能读懂结果里出现的“某个团队序列多样性第一，但总体排名并不靠前”这类现象。

3. 技术原理拆解：AI 设计抗体背后的主流方法

3.1 基于序列的蛋白语言模型（PLM）

蛋白语言模型是近年来抗体设计的核心工具之一。思路与 NLP 中的预训练语言模型类似：在大规模蛋白序列上做自监督预训练，再通过微调适配下游任务。

代表性方法包括：

• ESM 系列：通过掩码语言建模学习蛋白序列表征。
• ProtBERT / ProtTrans：基于 Transformer 的蛋白序列模型。
• 专门针对抗体的模型：如 AntiBERTa，在抗体序列数据上预训练。

在抗体设计任务中，PLM 通常被用来：

• 提取 CDR 序列的特征表示
• 评估生成序列的“自然度”或“合理度”
• 作为生成模型的结构化先验

工程上的典型做法是：先用 PLM 对候选序列做打分排序，再进入结构层面的筛选。

3.2 基于结构的生成模型

结构层面的抗体设计比序列层面难一个量级。输入通常是抗原结构或表位信息，输出是抗体结构或满足结构约束的序列。

常用方法包括：

• 扩散模型（Diffusion Models）：从随机状态逐步去噪生成结构。
• 图神经网络（GNN）：把抗体和抗原建模成空间图，预测残基间相互作用。
• 基于流匹配的生成模型：近年来在蛋白质设计领域逐渐增多。

这类方法的优势在于能显式建模空间约束，尤其是 CDR H3 环区与抗原的几何互补性。难点在于采样复杂度高、计算资源需求大，且生成结果必须经过严格的物理化学检查，否则可能出现主链原子重叠、二面角不合理等问题。

3.3 亲和力预测与排序模型

不管模型生成多少条序列，最终都需要排序筛选。亲和力预测模型是这个环节的核心。

常见思路：

• 基于结构特征的打分函数：使用 Rosetta、DeepMind 等工具计算结合能。
• 基于学习的方法：用已知的抗原-抗体复合物做监督训练，预测结合亲和力标签。
• 基于 PLM 的表征 + 回归头：把序列或结构编码成向量，再预测 pIC50 或 KD 值。

需要注意的是，目前亲和力预测模型的绝对精度仍然有限。更常见的工程策略是“相对排序”：不关心模型预测的具体 KD 值是否准确，只关心排序靠前的候选是否比排序靠后的候选有更高实验阳性率。

3.4 计算 - 实验闭环

真正成熟的 AI 抗体设计平台，不会只依赖一个生成模型，而是构建一个“生成 → 筛选 → 验证 → 微调”的闭环：

1. 生成模块：产出大量候选序列。
2. 计算筛选：过滤掉理化性质不合理的序列。
3. 结构验证：对剩余序列做结构预测或结构生成。
4. 实验测试：挑选 top-N 序列做湿实验。
5. 数据回流：实验结果反馈到模型，用于下一轮迭代。

在盲测中，因为缺少湿实验反馈，团队实际上只能依赖前三个步骤。如果盲测结果显示某些团队在这一阶段表现不佳，很可能是“干实验筛选器”的设计不够严谨，而不是生成模型本身完全不可用。

4. 工程实战：搭建一个简易抗体序列评估流水线

盲测离普通工程开发有点远，但“评估生成的抗体序列是否靠谱”这件事，可以直接落地成一套代码流水线。这一节给出一个可行的最小示例，帮助你建立自己的评估框架。

4.1 环境准备

建议使用以下环境：

• Python 3.9 或以上版本
• 操作系统：Linux/macOS 均支持，Windows 需要适配部分依赖
• 第三方库：BioPython、NumPy、Pandas、Scikit-learn

安装命令：

pip install biopython numpy pandas scikit-learn

如果要用到蛋白语言模型提取序列特征，还需要安装：

pip install fair-esm

说明：示例重点演示流程和思路，实际项目中需要根据你使用的 PLM 版本调整模型加载方式。

4.2 数据准备：读取 FASTA 文件

先准备一个包含候选抗体序列的 FASTA 文件。示例文件结构如下：

>candidate_001 EVQLVESGGGLVQPGGSLRLSCAASGFTFSSYAMSWVRQAPGKGLEWVS AISGSGGSTYYADSVKGRFTISRDNSKNTLYLQMNSLRAEDTAVYYCAK DRGSYYYGMDVWGQGTTVTVSS >candidate_002 EVQLVESGGGLVQPGGSLRLSCAASGFTFSSYAMSWVRQAPGKGLEWVA SISGSGGSTYYADSVKGRFTISRDNSKNTLYLQMNSLRAEDTAVYYCAR GGYYYGMDVWGQGTTVTVSS

读取并统计序列长度分布：

# 文件路径：scripts/read_fasta.py from Bio import SeqIO import pandas as pd records = list(SeqIO.parse("candidates.fasta", "fasta")) data = [] for record in records: data.append({ "id": record.id, "length": len(record.seq), "seq": str(record.seq) }) df = pd.DataFrame(data) print(df.describe())

这一步可以快速发现序列长度异常、空序列、非法字符等问题。实际项目中，建议清洗阶段就移除不符合抗体长度范围的序列。

4.3 序列特征提取：使用 ESM 做表征

如果项目需要判断序列“是否符合天然蛋白特征”，可以提取 ESM embedding，再用下游分类器评估。示例：

# 文件路径：scripts/extract_embedding.py import torch from esm import pretrained # 加载 ESM2 模型（以 8M 参数版本为例） model, alphabet = pretrained.load_model_and_alphabet("esm2_t6_8M_UR50D") model.eval() batch_converter = alphabet.get_batch_converter() def get_embedding(seq): data = [("seq", seq)] _, _, batch_tokens = batch_converter(data) with torch.no_grad(): results = model(batch_tokens, repr_layers=[6]) # 取最后一层输出的平均池化向量 embedding = results["representations"][6].mean(dim=1).squeeze() return embedding.numpy() # 示例：计算单条序列的 embedding seq = "EVQLVESGGGLVQPGGSLRLSCAASGFTFSSYAMSWVRQAPGKGLEWVS" emb = get_embedding(seq) print(emb.shape)

说明：这里为了演示简化了 batch 处理。实际项目建议批量提取并缓存到本地，避免重复计算。

4.4 理化性质与序列合法性检查

生成序列里经常出现的问题是“模型记忆了氨基酸分布，但忽略了理化性质”。

一个可运行的基础检查脚本：

# 文件路径：scripts/physicochemical_check.py from Bio.SeqUtils.ProtParam import ProteinAnalysis from Bio.SeqUtils import molecular_weight from Bio.Seq import Seq def check_sequence(seq): protein = ProteinAnalysis(str(seq)) return { "length": len(seq), "molecular_weight": molecular_weight(seq, seq_type="protein"), "aromaticity": protein.aromaticity(), "instability_index": protein.instability_index(), "isoelectric_point": protein.isoelectric_point(), "gravy": protein.gravy(), } # 示例 seq = "EVQLVESGGGLVQPGGSLRLSCAASGFTFSSYAMSWVRQAPGKGLEWVS" print(check_sequence(seq))

在实际筛选中，可以重点关注：

• 理论等电点：是否在正常抗体范围内
• 不稳定指数：大于 40 通常被认为不稳定
• GRAVY 值：过高可能出现溶解性或聚集问题

4.5 组装成完整评估流水线

将上述模块组合起来，形成一条简单的过滤管线：

# 文件路径：scripts/pipeline.py def evaluate_candidate(seq): # 检查序列合法性 if len(seq) < 80 or len(seq) > 140: return {"status": "reject", "reason": "length_out_of_range"} # 理化性质检查 phys = check_sequence(seq) if phys["instability_index"] > 40: return {"status": "reject", "reason": "unstable"} if phys["gravy"] > 0.5: return {"status": "reject", "reason": "hydrophobic_too_high"} # 模型打分（示例中省略具体模型） score = 0.8 # 替代为你自己的排序模型输出 return {"status": "pass", "score": score, "phys": phys}

运行以上代码，会输出候选序列的“通过 / 拒绝”状态和原因。这一层筛选是 AI 抗体设计中最容易被低估的环节。盲测中很多模型生成序列被淘汰，往往不是模型生成能力不够，而是生成后过滤规则太弱。

5. 从盲测角度看真实边界：AI 设计抗体容易“翻车”的环节

5.1 序列生成不等于实验阳性

这是 AI 抗体设计新手最容易混淆的点。模型可以生成一条看起来非常“像抗体”的序列，氨基酸分布正常，结构预测也能折叠出抗体结构，但放到 SPR 实验里却没有任何结合信号。

原因在于生成模型学习的是“抗体序列的统计规律”，而不是“针对特定抗原的结合规律”。如果模型没有充分引入抗原表位约束，生成结果只能算“看起来像抗体的蛋白”，离“能结合目标抗原的抗体”还有距离。

在盲测中，这类序列通常会在功能评估阶段被大量淘汰。这也是为什么很多机构的报告里，序列多样性指标很高，但结合成功率却不理想。

5.2 结构预测精度与结合能预测误差

AlphaFold2 已经大幅提升了单链蛋白质结构预测精度，但抗原-抗体复合物结构预测依然是难题。CDR H3 环区柔性大、构象多样，是目前结构预测最容易出错的区域之一。

结合自由能预测同样存在系统性误差。不同打分函数在同一复合物上的排序可能完全不同。因此，当盲测中某个团队的亲和力预测评分很高，但结构预测显示结合界面存在严重冲突时，需要谨慎看待该团队的可靠性。

5.3 可开发性是最大的暗礁

可靠结合只是第一步。抗体药物开发对分子有额外的“可开发性”要求：

• 高表达量
• 低聚集倾向
• 高稳定性
• 低免疫原性
• 良好的溶解度

AI 模型在生成序列时，往往会偏向“最大化结合预测分数”，导致生成的 CDR 区域高度疏水、带电量异常，从而引发聚集问题。这类序列在计算阶段可能很漂亮，但进入 CMC（化学、制造和控制）评估时会被迅速淘汰。

现在很多团队已经意识到这一点，开始在生成模型中加入可开发性约束，或者在筛选阶段强制设置多个 CMC 指标的阈值。

5.4 评估标准不统一带来的结果差异

观察盲测结果时，需要特别关注评估指标的定义。例如“序列多样性”可以定义为 CDR 序列两两之间的 Levenshtein 距离均值，也可以定义为氨基酸频率分布的熵。定义不同，排名就可能变化。

三个团队用同一个模型，如果下游筛选策略不同，最终提交结果也可能差异很大。因此，盲测排在末位的团队不代表其模型完全不可用，可能只是工程策略不匹配。阅读此类评测时，建议把注意力放在“任务设计”和“指标定义”上，而不是单纯看排名。

6. 常见问题与排查思路

以下表格汇总了 AI 抗体设计项目落地时最常见的问题，以及对应的排查建议：

如果你在项目中发现生成结果整体质量尚可，但实验阳性率很低，优先检查“筛选标准”和“模型是否真正用到了抗原信息”。大多数情况问题出在这里。

7. 最佳实践与工程建议

7.1 不要用单一模型走完全流程

抗体设计是一个多阶段问题，试图让一个模型同时完成生成、排序、可开发性预测，往往效果有限。更稳妥的工程架构是：

• LG：用轻量模型做快速生成和初筛。
• 结构模型：对 top 候选做结构验证。
• 排序模型：用实验数据校准的监督模型做最终排序。
• 实验验证：只测试最后 20-50 条序列。

这套架构能降低单一模型误差带来的风险，也更容易定位问题。比如生成结果不合格，先看是不是初筛条件太宽松；结构验证失败，再看是不是结构模型与生成模型不匹配。

7.2 实验数据要及时回流

AI 抗体设计项目里最容易犯的错误，是“模型训练一次，之后永远不再更新”。如果实验验证了 100 条序列，这 100 条结果应该作为新的监督信号回流到排序模型或生成模型中。即使只有几十条数据，也能显著改善排序模型在目标靶点上的表现。

工程实现上，建议建立统一的实验数据表，至少包含以下字段：

• 序列 ID
• 完整序列
• 目标抗原
• 是否结合
• 亲和力值（如果有）
• 表达量
• 稳定性指标
• 实验批次

持续积累下来的内部数据，往往比公开数据集更有价值，因为它们和你的实际研发管线高度一致。

7.3 建立内部基准集与阶段性评测

不要等到盲测这样的外部评测才评估模型。项目内部应该提前划分：

• 训练集：用于模型训练
• 验证集：用于超参数调优
• 测试集：用于最终效果评估
• 保留集：模拟真实盲测数据的未知靶点

在立项时就把“序列聚类去冗余”做好，避免跨集合泄漏。内部评测频率建议按版本管理，模型每迭代一版，都跑同一套基准集，记录性能变化趋势。

7.4 安全与合规边界

AI 设计抗体涉及生物医药领域，工程落地时需要注意：

• 所有序列生成和筛选行为应在合法授权范围内进行，尤其是涉及具体靶点、病原体或人体蛋白时。
• 涉及生产环境、临床前数据时，必须保证数据来源合法、脱敏、符合机构伦理要求。
• 计算模型只能作为辅助筛选工具，不能直接作为临床决策依据。
• 数据库、模型文件、训练数据的访问应有权限管理，防止核心资产泄露。

这些不是形式要求，而是项目能否长期推进的基本前提。

8. 总结与下一步学习路线

从这场 29 家机构、511 条序列的盲测中，可以看到 AI 抗体设计目前正处于一个“能生成、能优化、但还不能完全脱离湿实验验证”的阶段。计算工具已经能显著提高抗体发现的初始筛选效率，但从一条计算上合理的序列到真正可开发的先导分子，中间仍然需要大量实验筛选和数据回流。

对于刚进入这个方向的开发者，建议按以下路线逐步深入：

1. 掌握抗体结构基础：尤其是可变区、框架区、CDR 区的作用。
2. 熟悉常用序列工具：BioPython、ESM、HHblits。
3. 理解结构预测工具：AlphaFold2、OpenFold 的用法与局限。
4. 学习生成模型原理：扩散模型、GNN、语言模型在蛋白领域的适配方式。
5. 做一个小型闭环项目：从公开数据集里选一个靶点，生成候选序列，用计算指标筛选，并对比已知阳性抗体。

AI 设计抗体不是“一键生成药物”的魔法，而是一套需要结合计算与实验、持续迭代的系统工程。下次再看到类似的盲测报告，希望你能从任务设计、指标定义、数据隔离、筛选策略这些维度，做出自己的判断。