Antiverse: Designing Antibodies For Challenging Targets是干嘛的？

一句话讲清楚：Antiverse 是专攻“难成药靶点”的AI抗体发现平台

Antiverse 是一家专注于 AI 抗体设计（AI制药）的生物技术公司，其同名平台核心能力是：针对传统方法难以成药的靶点（如 GPCR、离子通道、膜蛋白等），利用深度学习从头设计并筛选出高亲和力、高特异性的抗体候选分子。简单说，它不是帮你改已有的抗体，而是直接“无中生有”地生成能结合那些“硬骨头”靶点的新抗体。

它是什么：AI驱动的抗体发现引擎

Antiverse 本质上是一个 计算抗体发现平台，由英国剑桥的科学家团队于2018年创立。它不依赖动物免疫或大型噬菌体库，而是通过生成式AI和结构预测，在计算机里模拟抗体-抗原结合，从而绕过传统方法对靶点“可成药性”的限制。

核心功能：三大步骤解决“难缠”靶点

• 靶点分析与表位预测：输入靶点蛋白的序列或结构，AI自动识别出有潜力的、可被抗体结合的表位（尤其是那些隐蔽或动态变化的区域）。
• 抗体从头设计：基于生成对抗网络（GAN）或扩散模型，AI在硅基空间里生成数百万个全新的抗体CDR（互补决定区）序列，这些序列在自然界中不存在，但被预测能与靶点表位紧密结合。
• 虚拟筛选与优化：通过分子对接、自由能计算和机器学习打分函数，快速过滤出亲和力高、免疫原性低、稳定性好的候选分子。平台还能提供可立即用于实验的DNA序列，直接交付给客户进行表达和测试。

特点与优势：为什么它值得关注

• 专攻“不可成药”靶点：这是最核心的差异化。传统抗体发现对GPCR、离子通道等多跨膜蛋白束手无策，Antiverse的AI能够处理这些复杂膜蛋白的构象动态，设计出能锁定特定构象的抗体。
• 全流程数字化：从靶点分析到候选分子交付，全部在计算中完成。客户拿到的是经过AI验证的、可直接合成的基因序列，极大缩短了传统实验筛选（通常需6-12个月）的时间。
• 数据效率高：不像一些AI制药公司需要海量实验数据训练模型，Antiverse声称其生成式模型在极少甚至零实验数据的情况下也能工作，因为它基于物理化学原理和结构生物学先验知识。
• 团队背景硬：创始团队来自剑桥大学和欧洲分子生物学实验室（EMBL），在结构生物学和计算化学领域有深厚积累。

所属公司/团队与收费情况

公司：Antiverse Ltd，总部位于英国剑桥。官网为 https://antiverse.io。目前没有公开的SaaS化在线平台供个人试用，主要面向 生物制药公司、CRO及学术机构 提供合作研发服务。

收费模式：采用 项目制合作。通常按靶点收费，包括从靶点分析到交付候选抗体的全流程服务。价格不公开，据行业惯例，针对一个难成药靶点从头发现多个先导抗体的合作，费用通常在 数十万至数百万美元 级别，具体取决于靶点复杂度和交付范围。目前未开放按次付费或订阅制。

与其他AI抗体工具的简要对比

（注：AbCellera官网 abcellera.com；百图生科官网 biomap.com）

相关问题

• AI设计的抗体真的能直接用于人体吗？ 目前还不能。AI生成的是先导候选分子，后续仍需经过表达纯化、亲和力测定、体内药效和安全性评价等标准流程，但AI可以大大缩短最耗时的早期发现阶段。
• Antiverse的AI模型用了哪些数据训练？ 主要基于公开的蛋白质结构数据库（PDB）、抗体序列库（如SAbDab）以及物理化学模拟数据，而非自有实验数据，这是其能快速泛化到新靶点的基础。
• 除了抗体，Antiverse还能设计其他蛋白药物吗？ 目前专注抗体（IgG、纳米抗体等），但平台底层技术可以扩展到其他工程化蛋白，如双抗、融合蛋白等，不过尚未作为主要服务推出。
• 国内有类似Antiverse的AI抗体设计工具吗？ 有，例如深势科技的“RiDYMO”平台、晶泰科技的抗体发现模块，以及华为云盘古药物分子大模型中的抗体相关功能，但它们的侧重点和商业化路径各有不同。
• 如果我只想预测一个抗体能不能结合某个靶点，有免费工具吗？ 可以试试华盛顿大学的 RosettaAntibody 或 AlphaFold-Multimer，前者专门做抗体结构建模，后者能做复合物结构预测，但都需要一定的计算生物学基础，且精度不如商业平台。