全文概要
8 月 26 日，全球首个 AI 抗体设计竞赛 AIntibody 的完整结果正式发表于《自然·生物技术》（Nature Biotechnology）。这是抗体领域最严格的测试——每一份参赛设计都在相同条件下由独立湿实验验证。Aureka Biotechnologies 的 AuraIDE（论文中称 AuraBind）获挑战 1（计算机亲和力成熟）第一名，其设计抗体经 KinExA 测得亲和力 94.7 pM，较亲本抗体提升约 2000 倍；休斯顿健康科学中心（UTHealth Houston）的 Novamab AI 亦跻身前五。该基准为衡量 AI 抗体设计能力提供了客观标尺。

2026年8月26日资讯，全球首个 AI 抗体设计竞赛 AIntibody 的完整结果正式发表于《自然·生物技术》（Nature Biotechnology）。这是抗体领域最严格的测试——每一份参赛设计都在相同条件下由独立湿实验验证。Aureka Biotechnologies 的 AuraIDE（论文中称 AuraBind）获挑战 1（计算机亲和力成熟）第一名，其设计抗体经 KinExA 测得亲和力 94.7 pM，较亲本抗体提升约 2000 倍；休斯顿健康科学中心（UTHealth Houston）的 Novamab AI 亦跻身前五。该基准为衡量 AI 抗体设计能力提供了客观标尺。

1. 背景：AI 抗体设计缺一把"客观标尺"

生成式 AI 已广泛用于抗体发现与蛋白设计，但业界长期缺乏客观衡量"某个模型到底能做什么"的标准——大量技术报告与预印本各自为战，用自有数据集回顾性打分，难以横向比较。AIntibody 借鉴蛋白结构预测领域 CASP 的"盲测基准"范式：通过前瞻性盲测与统一评估标准，把计算方法拉出自己的数据集，用独立第三方湿实验检验真实能力——这正是当年验证 AlphaFold2 突破的方式。

2. 设计与结果：29 家机构 511 支抗体的同台盲测

首届竞赛以 SARS-CoV-2 刺突蛋白受体结合域（RBD）为靶，设三项任务。挑战 1 为计算机亲和力成熟——仅凭亲本抗体首阶段亲和力成熟的 NGS 数据，从零设计更高亲和、可开发的抗体；挑战 2 为对候选抗体排序；挑战 3 为设计筛选数据之外的新 CDR 组合。共 29 家机构参与、测试 511 支 AI 设计抗体，参赛方横跨学术界、非营利组织、AI 初创、生物技术与大型药企。所有提交序列由组织方在统一条件下表达为全长 IgG，先经 SPR 初筛、再经 KinExA 复核；且除亲和力外，每支抗体还须通过 HIC、BVP、AC-SINS、Tm、Tagg 五项可开发性评估（涵盖疏水性、多反应性、自相互作用、热稳定性与聚集倾向）。最终，Aureka 的 AuraIDE 包揽挑战 1 前三名中的第一、第二、第五名，冠军抗体亲和力 94.7 pM（较亲本提升约 2000 倍），另有 6 支抗体亲和力低于 10 nM 且满足可开发性标准。

3. 意义与展望：让能力以真实实验数据说话

《自然·生物技术》在讨论中指出，挑战 1 是本届最具应用价值、AI 价值最清晰的任务，最贴近真实抗体开发中的先导优化环节。在一个预印本泛滥的领域，AIntibody 以"相同湿实验条件下的同台竞技"剥离了实验变异与选择性报告，让模型能力以真实实验数据而非自我宣称来评判，为后续更可靠的 AI 抗体发现与治疗性抗体开发奠定了基准与信任基础。

来源：PRNewswire；Phys. org；Nature Biotechnology DOI: 10.1038/s41587-026-03238-6

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。