全原子AI抗体设计"大一统模型"

上海交大和腾讯把抗体、纳米抗体、TCR塞进了同一个模型，结构预测和序列设计也不再接力。这篇文章带你看懂它牛在哪，以及还没做到什么。

一条抗体从靶点到候选分子，传统计算设计流程要过好几道关卡。先用RFdiffusion之类的工具生成一个骨架结构，再拿ProteinMPNN把序列填回去，如果侧链不满意，还得单独跑一次sidechain packing。三个模型接力，每一棒都可能掉链子——骨架生成时不知道后面的序列会长什么样，序列设计时骨架已经定死，没法回头调整。抗体、纳米抗体、TCR这三类免疫受体，过去更是各用各的模型，谁也不通用。

上海交大和腾讯AI for Life Sciences Lab这次放出的IgGM2，把这盘散沙收成了一个模型：结构预测和序列设计不再接力，抗体、纳米抗体、TCR也不再各自为战，一套全原子扩散框架全包了。这就是"大一统"三个字的分量所在。

数字有多猛

在FoldBench这个抗体/纳米抗体结合抗原的基准测试上，IgGM2只用一次生成（不做候选打分挑选），成功率做到了73.8%。作为对比，AlphaFold-3要跑5个随机种子、每个种子出5个候选、挑出最好的那个，成功率也才47.9%。IgGM2不用挑，一次就赢了。

TCR和抗原-MHC复合物这个更难的任务上，差距更明显：IgGM2的DockQ得分0.746，把AlphaFold-3的0.632和AlphaFold-Multimer的0.537都甩在后面，高精度成功率也是唯一冲进38.9%的。

设计任务上，纳米抗体的核心结合环（HCDR3）一直是业内公认最难啃的部分——它天生偏长，之前所有模型的序列恢复率都不高。IgGM2把这个指标从此前最强对手的0.154拉到0.238，相对提升超过一半。

从"能做抗体"到"抗体纳米抗体TCR全包"

腾讯这条线不是凭空冒出来的，往前数其实是第三代了。

去年9月那篇IgGM当时只覆盖抗体，没有TCR，但走到了真正的湿实验验证：亲和力成熟把一个抗体的结合力提升了5.3倍（KD从52.02 nM降到9.753 nM），人源化改造后的抗体亲和力做到接近原始鼠源抗体的水平——这些都是实验室里用BLI（生物膜层干涉技术）测出来的真实数据，不是模型自己打分。

覆盖面变大了，实验室验证这一步暂时还没跟上——这点值得读者知道，免得把"计算指标领先"直接等同于"药已经能用了"。

从模块化管线到一个模型端到端搞定，这条路径本身已经不新鲜，RFdiffusion+ProteinMPNN这对组合业内用了好几年。IgGM2给出的信号是：抗体、纳米抗体、TCR三类过去分开做的免疫受体，现在可以用同一套模型一起解决，而且在公开基准上确实打过了AlphaFold-3。至于这些设计出来的分子能不能在实验室里做出真实的结合力，还得等后续数据。