化学、生物与自动化实验室
突破级
有讲解视频
收录解读
单域抗体在组织穿透和稳定性上有优势，但它们缺失 Fc 相关性质，很多工业化和功能扩展能力因此受限。这篇论文抓的不是一般 antibody generation，而是“能否面向特定可制造性与功能性目标去定制 sdAb”。
论文提出 generative + ranking 的双阶段框架：先用结构感知 diffusion 模型大规模生成候选，再用专门训练的 sorter 根据目标功能排序。关键点在于它不只改 CDR，还把 framework region 纳入优化，从而在保持抗原特异性的同时引入 Protein A binding 等新性质。
这篇工作值得收录，因为它体现了抗体工程里一个非常实用的 AI 设计模式：生成模型负责打开设计空间，ranking 模型负责把多目标约束拉回到可制造、可表达、可纯化的现实边界。这个模式对抗体设计和更广蛋白药开发都很有借鉴价值。
它不是更高一级，因为当前仍然主要集中在单域抗体和少数功能目标，离更普适的 therapeutic antibody platform 还有距离。它是强方法和强验证结合，但影响范围还偏子领域。