在最新一期Nature期刊（2024年5月23日）上，劳伦斯利弗莫尔国家实验室、洛斯阿拉莫斯国家实验室、范德堡大学医学中心、华盛顿大学医学院和弗雷德-哈钦森癌症中心等研究机构的研究人员联合发布了一项突破性研究，他们成功利用机器学习算法构建了一个新型抗体设计平台，该平台通过计算优化，成功恢复了针对新出现的SARS-CoV-2变体Omicron的临床抗体效力，同时确保了抗体对当时主流的Delta变体继续有效。这一研究成果被详细记录于标题为“Computationally restoring the potency of a clinical antibody against Omicron”的论文中。
这项研究是在GUIDE项目的框架下完成的，该项目旨在应对包括SARS-CoV-2病毒在内的生物威胁。随着SARS-CoV-2病毒的持续突变和亚变体的出现，现有的临床抗体疗法逐渐失去效力。针对这一挑战，研究人员利用机器学习算法和超级计算能力，从现有的SARS-CoV-2抗体出发，通过计算模拟和生物信息学建模，对抗体进行了精准优化。
研究团队利用劳伦斯利弗莫尔国家实验室的超级计算资源，成功确定了恢复抗体效力所需的关键氨基酸替换。他们让原始抗体发生突变，并通过虚拟评估筛选出376种候选抗体进行实验室评估。这些候选抗体在实验室中表现出了对SARS-CoV-2病毒的高亲和力，特别是对Omicron变体。
此外，研究团队还利用Sierra超级计算机进行了分子动力学模拟，以评估替代或突变抗体的生物安全性。他们发现，通过机器学习算法和大规模分子模拟驱动的结合预测，可以在理论上对抗体进行精确优化，从而实现对病毒蛋白的高效结合。
华盛顿大学的研究人员通过真实中和实验和体内研究进一步证实了主要候选抗体的有效性。他们的研究结果表明，这些重新设计的抗体不仅能够有效结合SARS-CoV-2病毒，而且具有高度的特异性和安全性。
这项研究不仅为抗击SARS-CoV-2病毒提供了新的策略，也为未来针对其他病毒的抗体设计提供了重要参考。通过机器学习算法和超级计算技术的结合，研究人员可以更加快速、准确地设计出高效、安全的抗体，为人类的健康保驾护航。
