点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
2025年10月1日，BioNTech与InstaDeep联合举办了一场AI研发日活动，全面展现了两家公司在AI驱动的个性化免疫治疗领域的布局。从多模态大模型（如NTv3和AbBFN2）到超级计算平台Kyber，企业构建了抗体设计、TCR优化、和纳米颗粒疫苗等前沿应用的端到端AI药物发现与开发体系，加速了精准医疗的落地实施。
特别值得一提的是，他们基于贝叶斯流网络（BFN）构建的抗体生成式基础模型AbBFN2，已于今年五月在《Nature》期刊子刊上发表并在本次活动中进行了更深入的解析。抗体作为生物治疗中的关键工具，其天然抗体空间非常庞大（超过10¹⁶种可能序列），传统的方法难以快速筛选，而抗体工程又涉及亲和力、稳定性、免疫原性和表达量等多个目标的优化。
AbBFN2利用贝叶斯流网络的生成式AI模型，特意为抗体序列的建模与设计而生。该模型是ProtBFN在抗体领域的细化版本，具备了序列标注、生成、优化、人源化等诸多功能。模型以650M参数架构，通过UniProtKB蛋白序列进行训练，之后在Observed Antibody Space (OAS)数据库中的重链序列上进行了细调。
在序列标注能力方面，AbBFN2在23项序列标注任务中均达到当前最佳水平，可以预测CDR区边界、基因来源（V/D/J）以及生物物理属性。这为后续的定向生成与优化提供了有力支持。
在稳定性优化中，AbBFN2能够通过优化界面能量来提升抗体的稳定性，改善其表达量及储存稳定性，并增强配对效率。在多目标设计中，模型支持同时优化多个目标，例如疏水性、电荷平衡和免疫原性风险等。AbBFN2在候选序列的生成中展现出超过80%的总体成功率，可用推理时的计算扩展，生成多个候选序列。
人源化设计方面，AbBFN2能够在20分钟内生成设计方案，并在两周内完成实验验证，无需传统方法的多次回突变。通过该模型，多个抗体项目中均展现出突变数更少但保留相似甚至更高的亲和力，而且其表达量也相当，表明AbBFN2在人源化过程中的出色性能。
未来，AbBFN2预计将在抗体发现的早期阶段发挥重要作用，快速生成候选序列，并为人源化提供有效的替代方案，减少实验迭代过程。通过结合患者数据进行个性化抗体治疗，形成“AI设计+实验验证”闭环的集成实验平台。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
