双阶段抗体设计生成框架

多性质同时优化

以条件GPT与强化学习协同探索，生成满足多种期望性质的CDRH3序列，湿实验验证其抗肿瘤活性优于曲妥珠单抗。

陈思源 · 增相 · 郝建业 · Dai, Hui · 彭佳杰

Nature Computational Science 2026

参数信息

高HER2结合亲和力抗体比例

8/100

技术优势

探索效率更高

框架融入强化学习策略促进抗体序列探索，提升优化效率，减少计算资源消耗或实验轮次。

湿实验验证药效

湿实验确认DualGPT-AB设计的抗体具有比曲妥珠单抗更强的杀瘤活性，证明生成模型产生的是功能分子而非仅序列匹配。

应用场景

• 抗体药物发现：生成多性质兼顾的CDRH3候选，直接进入亲和力筛选，省去多轮定向优化。
• AI辅助药物设计：用条件GPT+强化学习替代传统经验设计，提高序列探索效率。
• 生成式AI制药：以生成式模型直接产出满足多指标的抗体序列，减少合成测试轮次。