从“大海捞针”走向“AI 生成 + AI 排序”
传统抗体发现常依赖百万级到亿级文库筛选，命中率通常很低。V940 证明，更高效的路径是“生成全量候选，再用 AI 做多维排序”，最终把几十条或更小规模的集合送入验证。对抗体研发而言，平台竞争力正从“谁的库更大”转向“谁的生成与排序更准”。
从 Moderna V940 到 AI 抗体药物研发：AI 如何真正赋能抗体研发？
2026-08-25
【资料下载】AbSeek 智能抗体计算平台说明书
覆盖抗体发现、优化及验证全流程的一站式智能解决方案
查看详情
加入邮件订阅!
您将获得赛业生物最新资讯
目录
导语：V940 成功后，AI 的真实价值是什么
2026 年 8 月 19 日，Moderna 与默沙东联合宣布：个性化 mRNA 癌症疫苗 intismeran autogene（V940/mRNA-4157）联合 Keytruda，在 1137 名高风险黑色素瘤患者参与的 III 期 INTerpath-001 试验中，同时达到无复发生存期（RFS）主要终点和无远处转移生存期（DMFS）关键次要终点。对产业来说，这不仅是个体化新抗原疗法的一次里程碑式验证，也让更多人开始重新审视 AI 在药物研发中的真实角色。
表面上看，V940 讲述的是“肿瘤测序 + 个性化 mRNA 疫苗”的故事；更深一层看，它验证的是一套更完整的研发范式，即“高维候选空间压缩 + 多目标算法筛选 + 快速制造 + 临床验证闭环”。这套逻辑对 AI辅助抗体发现 具有直接启发意义。
也正因为如此，AI 对抗体研发的价值，并不在于替代科学家，而在于把那些原本依赖超大规模试错才能完成的工作，转化为更高效、更系统、更可工程化的问题。围绕这一方向，AbSeek® 智能抗体计算平台 与 HUGO-Ab®抗体发现引擎 所代表的“AI 设计 + 动物验证”协同模式，正逐渐成为抗体研发基础设施的重要组成部分。
一、V940 里的 AI：不是噱头，而是必要能力
很多人把 V940 中的 AI 理解为“帮忙算一下哪个突变可能是新抗原”，但这只是表面。真正关键的是，AI 要在全外显子组测序、RNA 测序和 HLA 分型数据基础上，同时完成突变注释、多维预测、优先级排序，并进一步输出可进入生产流程的候选集合。没有这一步，高通量测序得到的海量突变信息并不能直接转化为临床可用方案。
V940 的筛选逻辑至少同时涉及五个维度：HLA-肽结合亲和力、蛋白酶体切割与加工、RNA 表达水平、免疫原性或 TCR 识别、以及突变克隆性。每个维度都是独立预测任务，叠加之后构成的是一个极高维的搜索空间，而 AI 的核心作用正是把这类“人工不可解”的组合问题压缩成可验证的小集合。
这也是为什么，即使 I 期研究中 AI 选出的 34 个新抗原里，中位仅有 4 个真正激发了可检测的 T 细胞应答，整体命中率看起来并不算高，但依然足以支撑临床获益。对研发来说，AI 的价值不是一次性设计出完美分子，而是把原本无从下手的搜索空间压缩到足够小，让实验验证真正变得高效可行。
把这一逻辑翻译到抗体研发领域，最重要的启示是：AI 的角色不是替代后端实验，而是把前端候选生成、排序和优先级判断做得更准，从而显著提高后端实验的单位产出。
二、V940 范式对抗体研发的四条核心启发
多维成药性评分，替代单一亲和力优化
抗体临床失败，往往不只是因为亲和力不足，还可能涉及特异性、稳定性、免疫原性、可开发性和 PK 等问题。AI 工具链的意义，在于帮助研发团队在设计阶段就同时评估多个属性，构建真正面向成药性的综合评分体系。
从靶点层面深入到表位层面
V940 的算法关注的是“哪一段突变肽、在哪个 HLA 背景下、是否能被 TCR 识别”。类似地，抗体研发也正在从“我要做一个抗某靶点的抗体”转向“我要精准识别哪个功能表位、触发怎样的机制效应”。这对双抗、TCE 与 in vivo CAR-T 开发尤为关键。
DBTL 闭环与数据飞轮，正在成为核心资产
真正决定平台长期壁垒的，不再只是单次筛选能力，而是设计、构建、测试、学习（DBTL）是否形成了可持续迭代的数据闭环。谁能把实验数据持续结构化回流，谁就更有机会把下一轮分子设计做得更快、更准。
对于抗体公司、CRO 和平台型团队来说，这四条启发共同指向一个趋势：抗体研发的竞争焦点，正在从“谁能筛到更好的抗体”，转向“谁能更系统地把 AI 设计、实验验证和数据积累串成一条完整能力链”。
三、AI 赋能抗体研发的真实图景
回到最核心的问题，AI 如何真正赋能抗体药物研发？答案并不是“AI 让抗体研发变简单了”，而是“AI 把原本只能依靠超大规模人工试错完成的任务，转化为工程上可拆解、可优化、可持续迭代的问题”。
- 从亿级序列空间中找候选，转向先生成、再排序、再验证的小集合模式。
- 从只盯亲和力，转向同时优化特异性、稳定性、免疫原性和可开发性。
- 从靶点级研发，转向表位级研发，让功能选择更精准。
- 从项目式实验，转向 DBTL 闭环驱动的持续学习型平台。
因此，AI 在抗体研发中更像一个“放大器”而不是“替代者”。它放大的是优质数据的价值、实验体系的效率，以及跨工具、跨平台、跨验证环节之间的协同能力。越是能够把前端算法、后端验证和中间数据链条打通的平台，越有机会在下一轮行业竞争中占据优势。
从这个意义上说，V940 的阶段性成功并不只属于 mRNA 赛道，它所验证的，其实是一整套“高维设计 + 数字化压缩 + 快速实验反馈”的研发方法论，而这正是 AI 抗体研发正在复制并加速放大的方向。
四、赛业生物如何帮助加速 AI 抗体研发
当行业开始从“筛选更大的库”走向“设计更优的分子”时，研发平台的价值也在重构。围绕这一趋势，AbSeek® 智能抗体计算平台 以多工具协同方式覆盖抗体序列分析、结构预测、亲和力优化、免疫原性评估等关键环节，帮助团队把复杂计算前移到设计阶段，提升候选分子优先级判断效率。
更关键的是，AbSeek® 并不是孤立存在的算法工具，而是能够与 HUGO-Ab®抗体发现引擎 深度协同，进一步联动 HUGO-Mab®单克隆抗体平台、HUGO-LightTM双/多特异性抗体平台 与 HUGO-NanoTM纳米抗体平台，把“AI 设计 + 动物验证”真正串成闭环。
这种协同模式的意义在于，前端算法可以帮助研发团队更快聚焦高价值候选，后端动物平台则提供更接近成药开发需求的真实验证入口。对于希望同时兼顾分子生成效率、成药性质量和项目推进节奏的团队而言，这样的整合式平台更适合承接从靶点、表位、序列到体内验证的连续任务。
AI 时代的抗体研发，不只是“更快”，更重要的是“更准、更系统、更可持续积累”。这也是为什么越来越多项目，会把平台选择重点放在完整闭环能力，而不是单一工具能力上。
如果把 Moderna 的个性化疫苗制造平台理解为新抗原时代的基础设施，那么在抗体药物研发中，能够同时承接 AI 设计、实验验证和数据沉淀的平台，也正在成为下一代抗体研发基础设施的重要组成部分。作为 赛业生物 在这一方向上的实践，AbSeek® 与 HUGO-Ab® 正在帮助更多团队把“AI 赋能”真正落到可执行、可验证、可扩展的研发流程里。
五、业务与资料入口
如果您正在评估 AI 抗体发现、双抗/TCE 设计或全人源抗体平台路线，可优先沟通适合当前项目的研发方案与验证路径。
咨询 AI 抗体研发方案| 类型 | 推荐入口 | 适用场景 | 操作 |
|---|---|---|---|
| 业务页 | AI辅助抗体发现 | 适合希望了解 AI 在抗体发现前端应用方式的团队 | 查看详情 |
| 业务页 | HUGO-Ab®抗体发现引擎 | 适合承接全人源抗体发现与平台化研发需求 | 查看详情 |
| 资料下载 | AbSeek 智能抗体计算平台 | 适合进一步了解平台功能模块与使用场景 | 下载资料 |
| 资料下载 | HUGO-Ab®全人源抗体小鼠平台 | 适合评估 AI 设计与动物验证协同路径 | 下载资料 |
| 资料下载 | 中国双特异性抗体药物研发解决方案白皮书 | 适合延伸了解双抗、TCE 与复杂分子开发逻辑 | 下载资料 |
七、常见问题
1. 为什么 V940 的成功会被认为与 AI 抗体研发有关？
因为它验证的不只是某一款产品，而是一种“高维候选压缩 + 多目标筛选 + 快速验证”的研发范式。这套方法论同样适用于抗体发现、表位设计和成药性优化。
2. AI 在抗体研发中最值得优先落地的环节有哪些？
通常优先落地在候选生成与排序、多维成药性预测、表位级功能设计，以及设计-构建-测试-学习的 DBTL 闭环数据回流这几个环节。
3. 如果项目希望同时兼顾 AI 设计与体内验证，应该关注什么？
建议重点关注平台是否能够把算法能力、抗体发现模型、实验验证与数据沉淀真正打通。相比单一工具，具备完整闭环的协同平台更适合支撑连续研发。
关于赛业生物
赛业生物2006年成立，是国家高新技术企业、专精特新“小巨人”企业，是深耕生物医药源头创新的全球化创新性生物技术平台型企业。公司立足新一代AI驱动的全人抗体药物研发与转化平台，以自主基因编辑技术为核心，打造一站式抗体药物研发体系，依托完备的上下游技术矩阵，全面赋能全球创新药研发。
公司核心优势为抗体源头创新，通过自主搭建HUGO-Ab®全人源抗体小鼠平台，集成共轻链技术、纳米抗体技术，结合自研的AbSeek®AI智能计算平台，建设起HUGO-LAb™抗体分子库，围绕肿瘤、自免、代谢等重点疾病方向，建立靶点研究、抗体发现、分子筛选与功能验证的一体化数据体系，并持续沉淀具有开发潜力的候选分子与技术数据资产。赛业生物打造的新一代AI驱动的全人抗体药物研发与转化平台，打通靶点验证、抗体筛选、序列优化和体内外验证全闭环，革新传统试错研发模式，实现可预测、高效率、高成药性、规模化抗体研发。配套HUGO-GT®全基因组人源化小鼠平台，精准支撑靶点验证与功能研究，显著提升生物药临床转化效率。
此外，赛业生物拥有完善的临床前CRO全链条服务能力，覆盖肿瘤、自免、代谢、眼科、神经等疾病领域，可提供模型构建、药理药效评价、机制研究等一体化服务。企业员工超1000人、拥有四万余平研发场地及全球化交付体系，未来将持续迭代核心抗体技术，依托全产业链优势助力全球药企提速创新药研发与落地。
公司核心优势为抗体源头创新，通过自主搭建HUGO-Ab®全人源抗体小鼠平台，集成共轻链技术、纳米抗体技术，结合自研的AbSeek®AI智能计算平台，建设起HUGO-LAb™抗体分子库，围绕肿瘤、自免、代谢等重点疾病方向，建立靶点研究、抗体发现、分子筛选与功能验证的一体化数据体系，并持续沉淀具有开发潜力的候选分子与技术数据资产。赛业生物打造的新一代AI驱动的全人抗体药物研发与转化平台，打通靶点验证、抗体筛选、序列优化和体内外验证全闭环，革新传统试错研发模式，实现可预测、高效率、高成药性、规模化抗体研发。配套HUGO-GT®全基因组人源化小鼠平台，精准支撑靶点验证与功能研究，显著提升生物药临床转化效率。
此外，赛业生物拥有完善的临床前CRO全链条服务能力，覆盖肿瘤、自免、代谢、眼科、神经等疾病领域，可提供模型构建、药理药效评价、机制研究等一体化服务。企业员工超1000人、拥有四万余平研发场地及全球化交付体系，未来将持续迭代核心抗体技术，依托全产业链优势助力全球药企提速创新药研发与落地。
