De novo design of epitope-specific antibodies via a structure-driven computational workflow
8.5
来源：
Nature
关键字：
AI drug discovery
发布时间：
2025-12-10 15:35
摘要：
tFold系统通过结构驱动的计算工作流程，实现了针对特定表位的抗体设计，具有高通量和高效性。该系统在流感、PD-1、PD-L1和SARS-CoV-2 RBD等重要抗原上展示了显著的结合亲和力，表明其在生物医药领域的应用潜力。研究团队来自腾讯AI生命科学实验室，具备强大的技术背景和资源支持，预示着未来在抗体设计领域的重大突破。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
1.0分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
tFold系统整合了抗体结构预测和抗体-抗原复合物建模，展示了高效的抗体发现能力。
设计的抗体在多个重要抗原上表现出纳摩尔级的结合亲和力。
研究团队来自腾讯AI生命科学实验室，具有强大的技术背景和资源支持。
真实性检查
否
AI评分总结
tFold系统通过结构驱动的计算工作流程，实现了针对特定表位的抗体设计，具有高通量和高效性。该系统在流感、PD-1、PD-L1和SARS-CoV-2 RBD等重要抗原上展示了显著的结合亲和力，表明其在生物医药领域的应用潜力。研究团队来自腾讯AI生命科学实验室，具备强大的技术背景和资源支持，预示着未来在抗体设计领域的重大突破。