人工智能与湿实验的联动，正在从辅助工具进化为闭环系统。10月2日，一支由南开大学、北京协和医学院与中国医学科学院、中国科学院生物物理研究所、广州实验室等机构研究者组成的中国团队在预印本平台发布最新工作：一套名为ImmuneAgent的闭环AI系统，能够直接从未经分选的人体B细胞受体库中筛选广谱中和抗体，并在小鼠攻毒实验中交出了全部存活的保护数据。如果后续独立复现成立，这将是AI驱动抗体发现从计算筛选走向端到端闭环的又一个扎实节点。
先说这套系统要解决的老大难问题。广谱中和抗体是一类能够同时应对多种病毒毒株的稀有抗体，是抗病毒药物与疫苗设计的宝贵起点，但它们在人体免疫库中的丰度极低，传统方法要么依赖昂贵的抗原特异性分选，要么在海量细胞里大海捞针，发现效率常年偏低。ImmuneAgent的思路是把整个发现流程交给一个多模态推理系统：从接种或感染人群的天然免疫细胞测序数据出发，由模型提名有希望的抗体候选序列，交给湿实验室合成、表达并测试，再把实验结果反馈回模型，进入下一轮更聪明的搜索。
数字层面的产出相当具体：在一百一十个进入克隆阶段的候选里，系统拿到了约五成五的中和抗体发现率，即六十个候选具备中和活性，其中广谱中和抗体的产出约为百分之十一，共十二株。这两个数字的分量要看参照系：广谱抗体的天然稀有问题意味着传统流程的命中率长期处在很低的水平，五成五的候选发现率意味着湿实验资源几乎不再浪费在无效候选上，这正是闭环设计想要兑现的价值。
设计上还有一个容易被忽略的亮点：整个流程完全绕开了抗原特异性分选。免分选意味着团队可以直接利用既有的大规模免疫库测序数据，不必为每种病原体重新采集和分选样本，既省钱又省时间，也为这套方法向新病原体的快速迁移铺平了道路。
保护性验证是这项工作最受关注的部分。团队报告称，系统发现的五株流感广谱中和抗体，在预防性给药的BALB/c小鼠模型中，面对五倍半数致死剂量的甲型H1N1流感病毒标准株攻毒，实现了百分之百的存活率。给药方案为感染前一天单次腹腔注射每公斤体重十毫克，这一剂量水平在同类研究中属于常规区间，单次给药即获得完全保护，说明所选抗体的体外中和活性在体内转化得相当充分。
团队还把自家抗体与临床阶段的广谱流感抗体MEDI8852做了对照，报告称表现相当。不过论文同时明确说明，实验的统计功效不足以建立严格的等效性结论，这是一种值得肯定的诚实表述。从临床转化的视角看，小鼠完全存活是成药路径上的早期积极信号，距离人体试验还有剂量毒性、人源化改造、规模化生产等多道关口，但至少在概念验证层面，闭环系统的产出已经迈过了最有说服力的一道门槛。
解读这组数据时还有两个前提需要交代。其一，这是预防性给药的设定，抗体在病毒暴露前已经存在于体内，与暴露后治疗的真实场景仍有距离，治疗窗口内的保护效果需要单独验证。其二，攻毒实验使用的是单一标准毒株，而真实世界的流感流行涉及多种毒株的年度更替，保护广度还需要在更多毒株与不同给药时间窗口上扩展验证。团队在论文里对这些边界作了明确说明，这种克制反而增强了数据本身的可信度。
比单一病毒的胜利更有想象空间的是泛化能力。团队报告系统在呼吸道合胞病毒与人偏肺病毒上的表现：从三十个提名候选中得到十三株抗体，能够同时中和所测的五株病毒，覆盖两种病原体的多个亚型；在人乳头瘤病毒上，五十个克隆候选中有九株显示中和活性。一套方法跨病毒家族通用，而不依赖针对每种病原体的定制分选，这正是免分选设计的价值兑现。
机制层面的发现同样有含金量。研究指出，一类特定标记的非典型记忆B细胞是广谱中和抗体的一个保守来源，为后续研究指明了一个值得重点开采的细胞亚群；结构分析则发现，抗体与抗原界面处的疏水性富集与广谱性相关，这个特征有望成为未来计算筛选的先验指标。换言之，闭环系统不仅筛出了抗体，还在过程中沉淀了对免疫库结构的可迁移认识，这是纯算力堆不出料的部分。
跨家族通用这件事，对新发传染病的响应节奏也有现实意义。当一种新病原体出现时，传统流程需要针对它重新分选样本、建立检测体系，而免分选路线理论上可以复用既有的免疫库测序数据，把从数据到候选的时间压缩到更短的周期。当然，这一设想同样需要真实疫情的检验，但至少在方法层面，方向是对的。
透明度是这个工作的另一加分项。团队表示已公开单细胞测序数据、冷冻电镜结构乃至代码仓库，外界研究者可以直接上手检验。当前最主要的保留意见也写得很清楚：这是一篇预印本，全部结果出自作者自报，尚未经过同行评审，独立实验室的复现是下一步的关键。国际上多支团队也在推进类似的闭环抗体与分子发现系统，头部科技公司自建湿实验室加速设计验证循环的动向近月频现，路线竞争已经展开。
对国内的AI制药与合成生物学从业者，这项工作提供了三点具体参照。其一，闭环的价值在于把湿实验从成本中心变成数据引擎，每一次失败实验都是下一轮模型的负样本，这个飞轮的设计比单点模型的性能更值得投入。其二，免分选路线绕开了实验流程中最贵的一环，为中小团队参与抗体发现竞赛提供了切口。其三，数据、结构与代码的同步公开，是快速建立学术信誉与协作网络的高效策略。从计算预测到闭环发现，再到动物保护验证，AI参与生命科学的每一步深化，都在把可成药空间的边界往外推。这场竞赛国内团队已经站上了第一梯队，接下来的看点是谁先把闭环跑进临床管线。