AI设计的蛋白质目前究竟能做什么？
AI驱动的蛋白质设计已从理论走向实际，并展现出高影响力的应用价值。在新冠疫情期间，AI引导的计算设计加速了抗原表征及广谱中和抗体的研发，成为该技术的一次现实压力测试[2]。更近期的案例中，研究人员采用机器学习引导的反向疫苗学方法，扫描了金黄色葡萄球菌的全蛋白质组，并鉴定出一种新型候选疫苗（IMTS8）。该疫苗在小鼠实验中引发了强烈的抗体反应，并对一种多重耐药菌株提供了近乎完全的保护[7]。这表明，至少在动物模型中，AI能够成功地从零精准锁定有效的治疗候选靶点。
除了疫苗领域，人工智能还被用于设计自然界中从未存在过的全新蛋白质。2023年的一篇综述指出，蛋白质工程师正将机器学习工具与AlphaFold2等结构预测模型相结合，致力于实现复杂的从头设计[6]。像Generate Biomedicines这样的初创公司已筹集大量资金（3.7亿美元），旨在从零开始为任何疾病创造治疗性蛋白质——包括抗体、细胞因子和酶——并计划在2023年将多个项目推进至临床试验阶段[8]。这些进展表明，蛋白质设计流程已投入实际应用，并正在产出可供人体测试的候选方案。
临床部署的主要障碍是什么？
研究人员指出，最大的单一障碍在于所谓的“验证鸿沟”——即人工智能预测的蛋白质结构与临床应用所需的实验证据之间存在脱节。一篇重要评论指出，尽管AlphaFold等AI模型能够以高精度预测蛋白质结构，但目前尚无明确指南来认定AI生成的结构数据可用于治疗药物开发，且案例研究表明，若缺乏湿实验验证，预测结果可能失效[3]。这一鸿沟意味着，即便是最具前景的AI设计蛋白质，仍需经历与传统发现药物同样漫长且昂贵的实验验证过程。
新冠疫情暴露了更多局限性。尽管人工智能有所贡献，但数据偏差、模型可解释性以及实验验证瓶颈等挑战逐渐显现[2]。AI创新的迅猛速度常常超越现有监管框架，引发了关于标准化、验证及长期安全性的疑问[2]。2025年一篇关于抗体设计的综述进一步指出，许多计算方法受限于抗体独特的结构生物学特性，这意味着在通用蛋白质上表现良好的工具可能无法直接应用于这一关键治疗类别[4]。这些问题共同表明，尽管AI能加速发现过程，但目前仍无法绕过严格的临床试验和监管审批流程。
各项研究是否一致认可AI设计蛋白质的成熟度？
各项研究在两点上基本达成共识：人工智能在蛋白质设计方面具有变革潜力，同时仍存在显著的转化障碍。文献[1]、[2]、[5]和[6]均强调了人工智能加速设计与发现的强大能力，而[2]、[3]和[4]则一致指出需要更完善的实验验证和监管框架。各方并无根本分歧——这些论文实际上探讨了研发流程的不同环节。例如，[7]提供了小鼠模型中的具体成功案例，[3]聚焦于结构验证的缺口，[2]则强调了监管与数据偏差问题。综合来看，它们描绘出一幅一致的图景：设计阶段正在快速推进，但向临床应用的转化仍显滞后。
证据较为薄弱的领域在于人体临床试验。所提供的摘要中，没有一项报告了人工智能设计蛋白质的已完成人体试验结果。最接近的是Generate Biomedicines公司计划于2023年开展的试验[8]，但此处未报告任何结果。这一缺失凸显了核心答案：人工智能设计的蛋白质尚未进入临床部署，但从从头设计[6]到动物模型中的临床前保护[7]等基础性工作，正在为下一步奠定基础。
关于这些来源
该答案基于8篇经同行评审的研究——发表于2021年至2026年间，其中5篇来自2024年及以后，5篇发表于Q1期刊——这些研究是从9篇通过质量筛选的研究中选出的最相关成果，而9篇研究又源自从超过5亿篇论文数据库中检索到的66篇文献。
本文引用的文献
人工智能驱动的蛋白质设计与可持续纳米医学在先进诊疗一体化中的应用
综述了人工智能驱动的蛋白质设计结合可持续纳米载体，如何为肿瘤学及其他疾病实现精准诊疗（诊断+治疗），但指出转化应用仍面临挑战。
人工智能驱动的计算蛋白质设计：COVID-19为应对大流行的疫苗与抗体疗法带来的启示
以COVID-19为案例，本综述发现，人工智能驱动的蛋白质设计加速了疫苗和抗体研发，但也暴露了数据偏差、模型可解释性、实验验证及监管整合等方面的关键局限。
从AlphaFold到临床：AI预测蛋白质结构在治疗开发中验证缺口的批判性评述
本综述指出，在人工智能预测的蛋白质结构与临床使用所需的实验验证之间存在“验证缺口”，并注意到目前缺乏明确指南来界定AI衍生结构数据的合格标准。
将计算蛋白质设计应用于治疗性抗体发现——现状与展望
综述了抗体设计的计算方法，并发现许多工具受限于抗体独特的结构生物学特性，因此需要采用专门的方法来发现结合剂。
从<i>从头</i>设计到再设计：利用计算蛋白质设计理解SARS-CoV-2分子机制并开发疗法
描述了如何利用AlphaFold和RFdiffusion等工具进行计算蛋白质设计，从而开发出针对SARS-CoV-2的肽抑制剂、纳米抗体和单克隆抗体，这些成果尚待监管批准。
AI增强的蛋白质设计能够创造出前所未有的蛋白质。
据报道，蛋白质工程师正利用不断发展的机器学习工具和AlphaFold2，致力于设计出自然界中从未存在过的、更为复杂的全新蛋白质。
一种新型假设蛋白（SAUSA300_1684）在小鼠模型中针对多重耐药金黄色葡萄球菌感染展现出优异的保护效果。
本研究采用机器学习引导的反向疫苗学方法，鉴定出一种新型候选疫苗（IMTS8），该疫苗在小鼠感染模型中针对多重耐药金黄色葡萄球菌提供了近乎完全的保护。
Generate 为从头设计蛋白质筹集资金
据报道，Generate Biomedicines公司已筹集3.7亿美元，用于开发从头蛋白质设计技术，并计划于2023年将多个治疗项目推进至临床试验阶段。