AnswersPublished16 sources
AI berjaya mereka antibodi berkuasa tinggi dalam ujian buta paling mencabar — tetapi hanya untuk satu tugasan
Antibodi rekaan AI oleh Aureka mencapai pertalian 94.7 pM — kira kira 2,000 kali lebih kuat berbanding antibodi induk dan secara statistik setara dengan antibodi terbaik daripada pematangan eksperimen. AIntibody Challenge menguji 511 jujukan daripada 29 organisasi melalui tiga tugasan dan ujian makmal bebas yang dij...
Diterbitkan olehDisunting dengan GPT-5.6 LunaImej dijana dengan GPT Image 1.5
Research answer
Key takeaways
- Antibodi rekaan AI oleh Aureka mencapai pertalian 94.7 pM — kira kira 2,000 kali lebih kuat berbanding antibodi induk dan secara statistik setara dengan antibodi terbaik daripada pematangan eksperimen.
- AIntibody Challenge menguji 511 jujukan daripada 29 organisasi melalui tiga tugasan dan ujian makmal bebas yang dijalankan secara buta.
- Keputusan ini menjadi pengesahan prospektif yang kukuh untuk aliran kerja AI bersama makmal, tetapi ujian tersebut menggunakan sasaran SARS CoV 2 yang telah dikaji dengan amat mendalam; prestasinya mungkin tidak terus...
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What were the results and significance of the first international blinded benchmark for AI antibody design, published in Nature Biotechnolog. Article summary: The AIntibody Challenge provides unusually strong prospective evidence that AI can materially accelerate antibody lead optimization—but not that it can yet replace experimental discovery across targets or tasks. Aureka’s. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Ujian penanda aras prospektif dan buta berskala besar yang pertama untuk reka bentuk antibodi menggunakan AI memberikan keputusan yang bercampur. Kecerdasan buatan terbukti mampu menghasilkan calon antibodi yang sangat kuat dan melepasi ujian makmal, tetapi tiada satu kaedah pun yang berprestasi konsisten dalam semua tugasan reka bentuk.
Kisah kejayaan paling jelas datang daripada Aureka Biotechnologies. Antibodi yang direka model syarikat itu untuk domain pengikatan reseptor (RBD) protein pepaku SARS-CoV-2 mencapai pertalian terukur sebanyak 94.7 pM — kira-kira 2,000 kali lebih baik berbanding antibodi induk. Keputusan itu juga secara statistik setara dengan klon terbaik yang dihasilkan melalui pematangan konvensional. 1
6
Apa yang diuji dalam AIntibody Challenge
AIntibody Challenge direka dengan pendekatan yang seakan-akan CASP, iaitu pertandingan ramalan struktur protein yang menilai prestasi berdasarkan eksperimen sebenar. Sebanyak 29 organisasi menghantar 511 jujukan antibodi untuk diuji secara bebas dan piawai di makmal, bukannya menilai reka bentuk masing-masing sendiri. 1
2
Penanda aras ini memfokuskan antibodi terhadap RBD protein pepaku SARS-CoV-2 dan merangkumi tiga senario penemuan:
- Pematangan pertalian secara in silico: memperbaiki antibodi induk yang telah diberikan.
- Pemberian kedudukan pertalian: mengenal pasti pengikat paling kuat dalam tiga kelompok jujukan HCDR3 yang terhad.
- Reka bentuk di luar pustaka: mencipta atau mengoptimumkan jujukan CDR di luar pustaka eksperimen yang disediakan.
1
Pengikatan diukur menggunakan resonans plasmon permukaan (SPR) serta ujian KinExA sebagai kaedah pengesahan bebas. Para penyelidik turut menggunakan panel lima ujian developability — penilaian terhadap ciri-ciri yang menentukan sama ada antibodi berpotensi dibangunkan menjadi calon ubat. Ini bermakna setiap penyertaan dinilai berdasarkan tingkah laku di makmal, bukan sekadar skor yang dilaporkan oleh model AI. 1
Keputusan Aureka: 94.7 pM
Keputusan terbaik Aureka muncul dalam tugasan pematangan pertalian. Antibodi pemenangnya, dinamakan AuraBind dalam makalah dan dikaitkan dengan platform AuraIDE, mencatat pertalian sebanyak 94.7 pM. Nilai itu kira-kira 2,000 kali lebih baik daripada antibodi induk. 1
4
6
Perbandingan dengan eksperimen konvensional amat penting. Klon terbaik yang dimatangkan melalui eksperimen — selepas kira-kira tiga bulan pematangan menggunakan faga — mencatat 113 pM. Oleh sebab nilai pM yang lebih rendah menunjukkan pengikatan yang lebih kuat, angka Aureka kelihatan lebih baik. Namun, perbezaan antara dua antibodi teratas itu tidak cukup besar untuk dianggap muktamad dari segi statistik. Tafsiran paling wajar ialah reka bentuk AI tersebut menyamai keputusan eksperimen terbaik dalam ujian ini, bukannya membuktikan AI mengatasinya secara konklusif. 1
6
Prestasi Aureka juga bukan bergantung pada satu jujukan sensasi semata-mata. Syarikat itu menghasilkan enam antibodi dengan pertalian di bawah 10 nM yang turut melepasi kriteria developability. Penyertaannya menduduki tempat pertama, kedua dan kelima dalam keputusan pematangan pertalian. 1
Mengapa jujukan pemenang menarik perhatian
Antibodi pemenang itu bukan sekadar salinan klon yang telah dipilih melalui eksperimen. Menurut ringkasan kajian, ia menggabungkan semula penggantian asid amino dan corak mutasi yang dikenal pasti daripada data pemilihan yang diberikan. Model pertalian berasaskan struktur kemudiannya memilih reka bentuk tersebut daripada 10,000 calon yang dijana. 1
Platform berkenaan menggabungkan pemodelan struktur dengan peramal kecergasan yang dilatih menggunakan data keutamaan. Daripada cuba meramalkan nilai pemalar pengikatan mutlak bagi setiap jujukan, peramal itu mempelajari pengayaan eksperimen secara relatif — pendekatan yang lebih dekat dengan keperluan sebenar untuk menyusun keutamaan calon yang akan diuji. 1
Perbezaan ini penting dalam penemuan antibodi. Sistem reka bentuk yang berguna tidak semestinya perlu mengetahui nilai pertalian akhir setiap jujukan dengan tepat. Yang lebih penting ialah keupayaannya meningkatkan kebarangkalian bahawa sekumpulan calon yang kecil dan munasabah mengandungi pengikat yang kuat serta sesuai untuk dibangunkan.
Aureka menang satu tugasan, bukan keseluruhan penanda aras
Aureka merupakan pemenang jelas bagi Cabaran 1, tetapi keputusan itu tidak diterjemahkan kepada penguasaan dalam ketiga-tiga tugasan. Dalam tugasan menyusun kedudukan kelompok, pasukan utama berbeza mengikut kelompok: UCSD/Scripps mendahului bagi 27F, WashU/Xencor bagi 28F, dan WashU bagi 47F. Xencor pula memenangi tugasan reka bentuk di luar pustaka. 1
Analisis merentas cabaran dalam makalah tersebut turut mendapati bahawa setiap kumpulan yang mendedahkan keputusannya mempunyai sekurang-kurangnya satu cabaran yang keputusan terbaiknya jauh ketinggalan daripada penyertaan teratas. 1
Inilah mesej utama penanda aras tersebut: reka bentuk antibodi menggunakan AI bukanlah satu keupayaan yang seragam. Sistem yang berkesan untuk memperbaiki antibodi sedia ada dengan sokongan data khusus sasaran yang banyak mungkin kurang boleh dipercayai apabila diminta menyusun jujukan berkelompok atau mereka bentuk antibodi di luar pustaka sedia ada.
Apa maknanya untuk kerja makmal
Implikasi paling praktikal ialah pada pengoptimuman calon utama, bukannya penghapusan kerja makmal. Dalam keadaan yang sesuai, model yang berkeupayaan boleh mengurangkan bilangan kitaran yang melibatkan pembinaan pustaka antibodi, pemilihan melalui paparan, penghasilan klon dan saringan.
Dalam Cabaran 1, kira-kira 13% penyertaan mencapai peningkatan sekurang-kurangnya 20 kali ganda berbanding antibodi induk, walaupun prestasi antara peserta berbeza dengan ketara. 1
Oleh itu, keputusan ini lebih menyokong aliran kerja AI bersama makmal, bukannya makmal tanpa manusia:
- gunakan data pemilihan dan penjujukan eksperimen untuk menjana calon;
- gunakan model AI untuk menyusun keutamaan bagi set jujukan yang lebih kecil dan mungkin lebih pelbagai;
- hasilkan serta uji jujukan tersebut di bawah keadaan buta dan piawai;
- nilai pertalian pengikatan serta developability sebelum calon diteruskan.
Langkah terakhir kekal penting. Sesetengah reka bentuk yang mempunyai pertalian sangat tinggi gagal dalam satu atau lebih ujian developability, khususnya ujian berkaitan kereaktifan poli. Bacaan 94.7 pM memang mengagumkan, tetapi kekuatan pengikatan sahaja tidak menjadikan sesuatu antibodi sesuai untuk program pembangunan ubat. 1
Had terbesar: kebolehpindahan kepada sasaran lain
Kajian ini ialah ujian prospektif yang mencabar, tetapi persekitarannya juga agak memihak kepada kejayaan AI. Ia menggunakan satu antigen yang telah dicirikan dengan baik, data penjujukan mendalam dan data pertalian yang banyak. Bagi tugasan kedua dan ketiga khususnya, peserta turut menerima maklumat yang mungkin tidak tersedia pada peringkat sama dalam kempen penemuan sebenar. 1
Keputusan yang diperoleh mencerminkan had tersebut. Dalam set data HCDR3 berkelompok, semua model kecuali satu menunjukkan prestasi lemah atau lebih teruk daripada pemilihan secara rawak ketika meramalkan klon yang mempunyai pertalian tinggi. Keputusan reka bentuk di luar pustaka juga amat berubah-ubah. 1
2
Ringkasnya, penanda aras ini tidak membuktikan bahawa AI akan menghasilkan keputusan sama baik untuk antigen yang belum dikenali, data yang terhad, format antibodi yang berbeza atau keseluruhan ciri yang diperlukan dalam pembangunan terapeutik. Ia menunjukkan bahawa sesetengah sistem boleh berfungsi dengan sangat baik dalam keadaan yang ditakrifkan dengan jelas dan disokong data biologi yang kukuh.
Kedudukan Aureka selepas keputusan ini
Bagi Aureka, penanda aras ini memberikan pengesahan yang amat bernilai kerana platformnya dikaitkan dengan keputusan eksperimen yang diuji secara bebas, bukannya hanya skor dalaman model. Syarikat itu kemudiannya menutup pusingan pembiayaan Siri B bernilai AS$100 juta pada Ogos 2026, menjadikan jumlah pembiayaan terkumpul yang dilaporkan hampir AS$200 juta. Granite Asia membiayai tranche pertama, manakala pelabur strategik mengetuai tranche berikutnya. 18
21
Aureka juga menyatakan bahawa ia mempunyai kerjasama pembangunan perniagaan dan model NewCo dengan beberapa syarikat farmaseutikal multinasional. 4 Kerjasama serta modal baharu itu memberi syarikat tersebut sumber dan laluan berpotensi untuk membawa reka bentuk antibodi yang dijana AI ke program pembangunan ubat.
4
18
Namun, kemenangan dalam penanda aras ini bukanlah pengesahan klinikal. Ia tidak membuktikan bahawa platform Aureka akan menghasilkan ubat yang berjaya, atau bahawa ia secara meluas mengatasi semua pendekatan eksperimen untuk penemuan antibodi. Bukti yang ada menyokong dakwaan yang lebih khusus dan lebih berguna: aliran kerja AI Aureka mampu menghasilkan calon antibodi yang sangat kuat dan mempunyai ciri pembangunan yang baik dalam sekurang-kurangnya satu keadaan pengoptimuman yang ditakrifkan dengan jelas. Bidang ini masih memerlukan lebih banyak ujian buta merentas sasaran dan keadaan penemuan yang berbeza.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "AI berjaya mereka antibodi berkuasa tinggi dalam ujian buta paling mencabar — tetapi hanya untuk satu tugasan"?
Antibodi rekaan AI oleh Aureka mencapai pertalian 94.7 pM — kira kira 2,000 kali lebih kuat berbanding antibodi induk dan secara statistik setara dengan antibodi terbaik daripada pematangan eksperimen.
What are the key points to validate first?
Antibodi rekaan AI oleh Aureka mencapai pertalian 94.7 pM — kira kira 2,000 kali lebih kuat berbanding antibodi induk dan secara statistik setara dengan antibodi terbaik daripada pematangan eksperimen. AIntibody Challenge menguji 511 jujukan daripada 29 organisasi melalui tiga tugasan dan ujian makmal bebas yang dijalankan secara buta.
What should I do next in practice?
Keputusan ini menjadi pengesahan prospektif yang kukuh untuk aliran kerja AI bersama makmal, tetapi ujian tersebut menggunakan sasaran SARS CoV 2 yang telah dikaji dengan amat mendalam; prestasinya mungkin tidak terus...
Sources
carterra-bio.comA blinded, prospective benchmark of in silico antibody discovery anchored to experimental affinity and developability
allsci.comAI antibody design struggles to beat simple baselines in 29 ...
finance.yahoo.comAureka Wins the Global Blinded AI Antibody Benchmark: AI Design Surpasses the Best Experimental Result