AI 抗体研发，
走到了哪一步？

任务：已有分子优化 | 证据：联合实验海报 + 合作公告

它怎样把 AI 与实验配合

LabGenius 与 Sanofi 的联合海报从一个已有 NANOBODY 起始分子出发，用机器学习辅助候选设计，并用实验结果评估多个性质。目标是改善一项特定性质，同时维持效力并满足生产方面的要求。它不是“从任意随机序列直接得到药物”的展示。 [01]

这些数字来自海报的优选结果面板。海报将指标称为“Property 1”，未披露具体性质；不能擅自把它写成亲和力、稳定性或治疗效果。 [01]

结果应怎样理解

可支持的结论是：在该项目中，筛出的候选同时满足了若干优化目标。分母是最后展示的优选组，不能把 16/24 当作所有生成序列的总体成功率；海报也不足以建立与同预算随机筛选之间的因果比较。

后续合作说明了什么

2025 年 12 月 4 日，公司宣布与 Sanofi 开展第二次合作，将平台用于多个炎症相关新靶点的 NANOBODY 优化。持续合作表明双方愿意推进这一方向，但不等于公开证明了临床疗效或全平台的普遍优势。 [02]

资料定位：联合海报 [01] 为单页；文件名含 2023，网站目录为 2025，二者不要混作同一个实验日期。

任务：两个起始分子的优化 | 证据：公司文章 + 31 页技术报告

2026 年 10 月公布的项目由研究者、Claude 和 BigHat 实验团队共同完成。约 10 周、共 7 轮，涉及约 1,010 个设计变体和 1,232 个实验孔位；“设计变体”与“孔位”不能混成同一个候选数。研究者参与判断，实验室负责制备和测量。 [03] [04]

技术报告比宣传摘要多讲了三件事

别把两个项目拼成一个故事

BigHat 另于 2026 年 9 月宣布 BHB810 首位患者入组给药，开展一期研究。这是另一条临床项目进展，不是上述两个优化示范分子已经进入临床，更不是它们已经证明人体疗效。 [05]

优先阅读 [04] 第 31 页 I.4，以及附录 F 的模型比较。报告中存在机制层面的比较；本页所说缺失的是“另一种设计方式的平行候选库”，不是说完全没有对照。

任务：未见靶点上的从头设计 | 证据：公司技术报告 + 合作公告

Nabla 的 JAM-2 报告对 16 个此前未见的靶点进行评估，每个靶点、每种格式设计 45 个候选，分别考察 VHH-Fc 与全长单克隆抗体。公司报告在两种格式合并考虑时，全部 16 个靶点都获得了结合分子。 [06]

三个不能省略的限定

第一，39% 和 18% 指设计的结合成功率，不是最终药物成功率。第二，不同格式与靶点的表现不同，不能拿这两个百分比和其他公司的海报数字直接比较。第三，这是公司技术报告中的基准结果，不能自动推广到任意新靶点。 [06]

“零样本”不是“不要实验”

该报告展示的零样本设计未依赖针对这些靶点的逐轮实验优化；生成后仍要做实验验证。它也不表示模型从未使用生物学训练数据。因此，“所有公司都必须先在每个新靶点上反复训练才会有效”同样是过度概括。 [06]

商业合作仍是另一类证据

2025 年 10 月 14 日，Nabla 宣布与 Takeda 达成第二次合作。公告把 AI 设计与湿实验能力一起描述，并分别列出首付款/研究费和条件性成功款项。重复合作可作为持续投入的信号，不能替代基准或临床结果。 [07]

任务：自有候选药推进 | 证据：法定披露 + 临床进度公告

它提供哪种经验

Absci 的公开路径把生成式 AI 与实验数据/验证结合，并推进自有候选药。对读者而言，最值得跟踪的是具体项目是否完成下一步、实际结果何时公开，以及公司是否改变开发路径，而不是仅凭“AI 设计”标签判断成功。 [09] [10]

不要把策略调整误读成单一技术结论

ABS-101 的披露说明公司在早期临床后选择寻找伙伴。仅从这一决定，无法区分资源分配、商业机会和研发风险分别起了多大作用；不能据此证明整个平台有效，也不能据此证明整个平台无效。此处属于对披露边界的分析。

本页使用截至资料截止日可查的披露。后续疗效读出或试验启动不在本文已证实事实之列。

任务：抗体药物性质工程化 | 证据：公司公告 + 两项试验注册

候选药与 AI 的关系

Generate 将 GB-0895 描述为 AI 工程化的长效抗 TSLP 抗体，研发目标包括效力、特异性和更长的半衰期。这里应理解为 AI 参与药物性质设计/优化，不能只凭“AI-engineered”就认定它是完全从零产生的分子。 [11]

已核实的当前阶段

2026 年 8 月公司公告称，两项 SOLAIRIA 三期研究正在招募。公开注册记录进一步确认如下状态。 [12] [13] [14]

研究面向严重未控制哮喘。注册状态是申办方提交的公开信息；“招募中”不是结果公告。

这个案例支持什么

它支持“AI 参与工程化的抗体候选药可以推进到大型后期临床研究”这一具体判断。它并不支持“已经证明三期有效”“已经上市”，也不能凭临床阶段单独量化 AI 相对传统研发的净贡献。

从实验指标到药物仍有距离

结合与其他分子性质是研发的一部分；进入人体后仍要回答预定临床问题。即使未来某个药物取得成功，也要结合设计过程与比较证据，才能判断哪些收益来自模型、实验体系、已知生物学和团队判断。此段为分析。