8月27日消息，Phys.org报道，一项发表于Nature Biotechnology的国际盲法评测AIntibody Challenge证实，人工智能设计的全新抗体序列能够通过独立实验室的合成与实验验证，为AI前置抗体药物筛选提供了首个严格的前瞻性证据。

与用历史数据回顾性打分的传统基准不同，AIntibody Challenge要求参赛团队设计全新的抗体序列，这些序列由独立第三方合成，并实验测定结合亲和力与可开发性（developability）——即候选药物进入临床所必需的物理化学特性。评测共吸引166个参赛者、527份提交，来自全球顶尖学术机构与生物技术公司。

隶属UTHealth Houston的Novamab AI团队位列前五。该团队的方法特点是用实验偏好数据微调蛋白质语言模型，优先选择具有已证实生物活性和可开发性的候选序列，而非仅依赖理论序列打分。在序列赛道（58份来自研究机构的提交）的评测中，这一策略获得了独立实验的正面验证。

评测发起人Andrew Bradbury博士表示，AIntibody Challenge建立在真实体外抗体发现流程之上，通过盲法实验条件比较AI预测与设计，为判断AI在抗体发现中的有效性提供了客观基准，"应能加速未来治疗药物发现中更可靠、更有效AI方法的开发"。论文由M. Frank Erasmus等人发表（DOI: 10.1038/s41587-026-03238-6）。

对制药行业的意义在于：抗体药物发现的传统流程需要大量湿实验筛选，周期长、成本高。若AI设计序列能够以可验证的亲和力与可开发性通过盲法考验，筛选工作可前移至计算阶段，显著压缩先导物发现的时间与成本。 （来源：Phys.org）