Конструкция антител на базе АИ быстро направлена на новый штамм гриппа H5N1, ускоряя развитие противовирусной системы. AI-driven antibody design rapidly targets new H5N1 flu strain, speeding up antiviral development.

По данным исследования, проведенного под руководством Вандербильта 4 ноября 2025 года в Клетке, модели белковых языков ускоряют создание антивирусных антител. AI-powered protein language models are speeding up the creation of antiviral antibodies, according to a Vanderbilt-led study published in Cell on November 4, 2025. Используя модель под названием MAGE, исследователи разработали антитела человека, направленные на вирусные поверхностные белки, не полагаясь на существующие шаблоны, успешно нейтрализовав ранее невидимый штамм H5N1. Using a model called MAGE, researchers designed human antibodies targeting viral surface proteins without relying on existing templates, successfully neutralizing a previously unseen H5N1 strain. Такой подход, который позволяет ИИ прогнозировать взаимодействие между антителами и вирусом, может резко сократить время разработки для лечения возникающих угроз, таких, как птичий грипп и RSV. This approach, which leverages AI to predict antibody-virus interactions, could drastically shorten development time for treatments against emerging threats like avian flu and RSV. Дополнительные работы Вашингтонского университета позволили создать RFantibody, открытый инструмент АИ, использующий диффузионные модели для создания стабильных папок антител, в то время как BoltzGen предлагает другой метод, основанный на АИ, для целеопределения ранее ненаркоманных молекул. Complementary work from the University of Washington introduced RFantibody, an open-source AI tool using diffusion models to design stable antibody binders, while MIT’s BoltzGen offers another AI-driven method for targeting previously undruggable molecules. Эти достижения, поддерживаемые NIH и ARPA-H, подчеркивают растущую тенденцию в академических исследованиях, где инструменты ИИ с открытым исходным кодом ускоряют открытие лекарств и расширяют потенциальные применения в инфекционных заболеваниях, раке и аутоиммунных расстройствах. These advances, supported by NIH and ARPA-H, highlight a growing trend in academic research where open-source AI tools are accelerating drug discovery and expanding potential applications in infectious diseases, cancer, and autoimmune disorders.