VISTA：一个由人工智能驱动的数据循环系统，通过实验室反馈引导从零开始生成具有临床相关性的抗体设计，用于癌症治疗。
图片来源：genengnews
人工智能驱动的抗体设计革命
在上海国际生物医药合作大会上，关于人工智能驱动药物发现的讨论成为焦点。”高质量、大规模、目标导向的数据集（High quality, large-scale, fit-for-purpose datasets）”一直是人工智能（AI）在药物发现领域的关键口号。尽管 Protein Data Bank (PDB) 中海量的公开数据促成了 AlphaFold 的重大突破——从序列预测蛋白质结构，但能够支持 “zero-shot” 药物设计、并可在任意治疗情境中泛化的人体转化数据仍然极为稀缺。
为弥补人类生物学数据的空白，基因药物公司 Jura Bio 宣布推出 VISTA —— 一个由 AI 控制的数据回路系统，用于指导从零开始的（de novo）抗体设计，特别应用于癌症治疗。
George Church 的支持与理念
Jura Bio 由著名遗传学家 George Church, PhD（哈佛医学院遗传学教授、公司联合创始人）支持创立。Church 作为一位高产的生物技术企业家，曾参与创办数十家创新公司，包括 eGenesis（异种器官移植先驱）和 Colossal Biosciences（以“物种复活”计划闻名）。
Church 向《GEN》表示：“计算蛋白设计与遗传变异本身各有用武之地，但当两者结合时，协同效应可达到万亿倍的提升，彼此弥补了关键的技术空白。”
图片来源：genengnews
闭环系统：VISTA 的工作原理
虽然抗体治疗领域拥有大量序列数据，但在药物发现中关键的功能注释仍然是缺失环节。VISTA 通过构建数百亿条序列–靶蛋白相互作用的大规模训练数据集，并在实验室反馈的引导下不断循环迭代，从而应对这一挑战。
整个循环包括四个步骤：
- 建立并训练生成模型，以映射目标序列空间；
- 使用变分合成（variational synthesis） 在高通量条件下采样并合成未经验证的新序列；
- 将设计序列导入人类细胞系统，评估其转化潜力与可开发性；
- 同时测试靶点与脱靶活性，收集功能活性数据反馈给模型。
Jura CEO Elizabeth Wood, PhD 表示：“我们必须建立序列与真正重要的临床结果之间的映射。通过变分合成将生成模型与生物学‘硬件’结合，释放了前所未有的设计规模。”
VISTA 的初始模型基于 3.2 亿条健康人类序列 进行训练，并结合 N-of-1 患者安全性曲线，以确保生成序列在临床转化中的安全与相关性。
图片来源：genengnews
成功案例与技术验证
借助 VISTA 平台，Jura 成功实现了针对多个肿瘤抗原的 de novo 抗体设计，包括来源于人类抗体的单链可变片段（scFv）。其中的典型靶点包括：
- PRAME：常见于黑色素瘤的蛋白；
- MAGE-A4：癌睾抗原家族成员之一。
这些致癌蛋白因其位于细胞内而长期难以成为药物靶点。它们仅在与人类白细胞抗原（HLA）形成的瞬态复合物中，以短肽片段的形式暂时出现在细胞表面。
从免疫疗法到 AI 平台
Jura Bio 成立于 2017 年，总部位于波士顿，最初专注于基于免疫的治疗。
2023 年 9 月，公司宣布与 Replay Bio 旗下的产品公司 Syena 达成合作，推进 T 细胞受体自然杀伤细胞（NK）疗法 的研发。然而，随着其 AI 技术平台的迅速崛起，VISTA 很快成为关注焦点。
Wood 回忆道：“我们构建的基础设施变得极其强大，最终成为公司核心。我们看到了利用底层技术解决更普遍问题的机会——比如如何生成足够的数据来训练 AI 模型。”她进一步指出：人类抗体库理论上包含超过 一千万亿（10¹⁵） 种潜在组合，因此，必须通过湿实验室驱动的 AI 数据回路生成有针对性的数据，以避免“在错误的方向上浪费一万年的时间”。例如，在调节命中率（hit rate）以探索序列多样性边界的研究中，VISTA 能够实现问题导向的智能决策。“有了 VISTA，我们不再需要盲目猜测。”Wood 强调说。
可扩展的药物发现新模式
在药物发现领域，从候选分子到上市的过程往往需要耗费 高达 20 亿美元 的成本。能够实现可靠的 de novo 设计，意味着在可扩展性与成本效益之间找到突破口。
VISTA 能够同时完成 1 亿种新抗体设计的测试，而若用传统“蛮力”方式实现这一规模，成本将高达数亿美元。
未来展望
Wood 指出，将 VISTA 应用于抗体治疗这一已建立成功指标的成熟模式，不仅达成了“教学示范”的目标，也验证了数据回路系统的可行性。
她表示：“当你脱离一个被充分研究的模式时，其他人可能不会像我们这样重视设计标准。但在抗体这一领域取得成功，作为 VISTA 平台的首个验证案例，更具说服力。” 这一观点在上海国际生物医药合作大会上引发了行业对未来药物发现模式的广泛共鸣。
文章来源：genengnews