中国·新葡的京集团35222vip(股份)有限公司

  近日，中国·新葡的京集团35222vip(股份)有限公司 科研团队传来好消息：其一，联合腾讯AI lab和北京大学团队研发的 “自适应自回归扩散抗体设计方法” 发表于nature子刊《Nature Machine Intelligence》（2025年影响因子：23.9）上，文章题目：An adaptive autoregressive diffusion approach to design active humanized antibodies and nanobodies，Nature Machine Intelligence (2025)，https://www.nature.com/articles/s42256-025-01120-9 ，成功解决了抗体人源化“活性保留”问题；其二，由中国·新葡的京集团35222vip(股份)有限公司 、阿里、美国University of Texas at Arlington（UTA）专家共同编撰的专著《Deep Learning in Drug Design: Methods and Applications》（ISBN: 9780443329081）正式由 Elsevier 出版社出版（书籍在线地址： https://shop.elsevier.com/books/deep-learning-in-drug-design/bai/978-0-443-32908-1 或 https://doi.org/10.1016/C2023-0-52311-0 ），系统构建人工智能（AI）深度学习药物设计的 “理论 - 技术 - 应用” 知识体系。两项成果分别从前沿技术突破与学科框架搭建层面，为AI生物医药科学研究和教学提供很好的案例。

一、Nature 子刊研究成果：HuDiff 模型实现高效抗体人源化设计

1. 研究背景

动物源抗体（如鼠源、羊驼源）因免疫原性问题，需通过 “人源化” 改造才能用于临床，但传统 CDR 移植法依赖有限人源模板，存在 “改造周期长（数月）、成本高、活性易流失” 三大痛点。中国·新葡的京集团35222vip(股份)有限公司 青年教授白启峰团队联合腾讯 AI Lab和北京大学团队，瞄准这一难题，研发出抗体AI设计系统HuDiff。

2. 核心技术

提出自适应自回归扩散方法（adaptive autoregressive diffusion approach），开发并训练出HuDiff深度学习模型，包含针对常规抗体的HuDiff-Ab与纳米抗体的 HuDiff-Nb两个核心模块。与传统依赖人源模板的 CDR 移植法不同，HuDiff 仅需输入抗体互补决定区（CDR）序列，即可通过自回归扩散过程从头生成框架区（FR）序列，实现抗体人源化设计的全流程（如图1所示）。

图1. 论文算法图（https://doi.org/10.1038/s42256-025-01120-9）

生物实验表明：针对SARS-CoV-2 RBD的鼠源抗体2B04，HuDiff-Ab生成的人源化变体hAb1.2结合亲和力达0.15 nM，与原始抗体（0.12 nM）几乎持平；而针对骆驼源纳米抗体3-2A2-4，HuDiff-Nb设计的 hNb1.1变体结合活性提升54%（2.52 nM vs 5.47 nM），很好解决了“人源化与活性保留”的核心问题。

本论文的通讯作者（不分先后顺序）：白启峰（兰州大学），肖俊宇（北京大学），姚建华（腾讯AI Lab）；并列第一作者：马坚（2022级中国·新葡的京集团35222vip(股份)有限公司 硕士研究生），吴凡迪（腾讯AI Lab），白启峰（兰州大学）；第一通讯单位是中国·新葡的京集团35222vip(股份)有限公司 。

二、Elsevier 学术专著：构建AI深度学习药物设计 “百科全书”

1. 书籍定位：覆盖全链条 适配多人群

这本于 2025 年 10 月 1 日正式出版的学术专著，由白启峰（兰州大学）、徐挺洋（阿里达摩院 / 湖畔实验室）、黄俊洲（美国得克萨斯大学阿灵顿分校 (UTA) 计算机系教授）联合主编，汇聚全球多位跨学科专家撰写，是目前国内同时覆盖 “深度学习理论” 与 “药物设计全流程应用” 的系统性著作，既适用于本科高年级学生入门，也可作为博士、产业工程师的进阶参考工具。

2. 核心内容：23个章节搭建 “理论 - 应用” 双体系

全书（见图2）按 “理论方法篇” 与 “应用篇” 划分，23章内容精准覆盖行业核心需求：

图2. 学术专著封面 （https://www.sciencedirect.com/book/9780443329081）

1）理论方法篇（1-12 章）：从分子表征（第 1 章）到前沿技术，全面解析深度学习在药物设计中的底层逻辑：包括图神经网络（GNN）在分子结构建模中的应用（第 3 章）、Transformer 架构的分子生成策略（第 6 章）、几何深度学习的三维分子对称性约束（第 8 章），尤其新增 “自监督学习”（第 9 章）、“大模型应用”（第 12 章）章节，捕捉近两年技术热点；

2）应用篇（13-22章）：聚焦实战场景，从蛋白结构预测（第 14 章）到药物合成（第 17 章）、毒性预测（第 19 章），甚至细分到 “TCR-pMHC 结合预测”（第 20 章）“抗原特异性抗体设计”（第 22 章）；

3）特色章节（第 23 章）：在 AI 药物设计专著中增设 “伦理与监管” 内容，由中国·新葡的京集团35222vip(股份)有限公司 循证医学陈耀龙老师团队编写，作为新兴技术，AI面临诸多挑战，包括伦理和监管问题，这些可能阻碍创新、限制应用并引入复杂性。因此，加强伦理考量至关重要，并需深入研究AI伦理在药物开发中的作用，以实现更大贡献。第23章主要概述AI介入新型药物开发的伦理与监管现状，详述具体方法，并提出未来研究建议，以指导行业可持续发展。

三、科研与教学价值：既当 “工具” 也当 “教材”

1. 科研层面：HuDiff 系统已成为抗体工程研究的开源工具，其自适应扩散架构为蛋白质设计提供新范式，为解决蛋白质设计中的 “功能保留” 问题提供关键思路。学术专著覆盖基础理论算法和应用，为深度学习研究提供了科研基础。

2.    教学层面：论文中的数据集构建方法、实验验证体系已被纳入兰州大学《生物医学信息学》课程的案例库，其 “算法设计 - 实验验证” 的研究逻辑为生物医药专业学生提供跨学科学习范本。学术专著适合作为高等院校药学、生物信息学专业的本科生和研究生教材，其 “理论方法 + 应用” 的编写模式可弥补传统教材滞后于技术发展的不足，助力培养 AI 医药交叉领域的复合型人才。

本书的主编：白启峰（中国·新葡的京集团35222vip(股份)有限公司 ）、徐挺洋（阿里达摩院 / 湖畔实验室）、黄俊洲（美国 UTA 计算机系教授）。

本书全部贡献者名单链接：https://doi.org/10.1016/B978-0-44-332908-1.00005-2

本书贡献者来自的企业机构（不区分先后）：阿里巴巴达摩院（Alibaba DAMO Academy），湖畔实验室（Hupan Lab），腾讯AI lab，字节跳动（ByteDance）。

本书贡献者来自的高校和科研机构（不区分先后）：清华大学，上海交通大学，兰州大学，新加坡国立大学（National University of Singapore），中国人民大学，青岛大学，中国海洋大学，美国德克萨斯大学阿灵顿分校（University of Texas at Arlington，UTA），香港浸会大学（Hong Kong Baptist University），香港科技大学（Hong Kong University of Science and Technology），约翰斯？霍普金斯大学（Johns Hopkins University，美国），美国德克萨斯大学西南医学中心（University of Texas Southwestern Medical Center），上海人工智能实验室，新南威尔士大学（University of New South Wales，澳大利亚），英国医学研究理事会分子生物学实验室（MRC Laboratory of Molecular Biology），剑桥大学（University of Cambridge，英国）。

感谢腾讯AI Lab犀鸟重点研究计划（腾讯AI Lab资助项目编号：RBFR2023006和RBFR2022006）对本研究和著作的经费支持。同时，我们感谢兰州大学超算中心和甘肃计算中心对本研究和著作的支持；本研究还得到了国家自然科学基金（项目编号：32325018）的支持。