一燊
一、技术原理
定义与核心机制：
Nabla Bio 的核心创新在于：将抗体设计变成一个“AI优化问题”。
传统抗体药物研发周期长达 5~10 年，因为需要从数十亿种抗体序列中筛选、验证并优化。
Nabla 的 AI 平台通过 蛋白生成模型 + 实验反馈循环（DBTL Loop），
能在短时间内预测哪些抗体序列最可能具有目标结合能力、稳定性和低免疫原性，
并通过实验反馈不断收敛，直至生成理想抗体。
换句话说，他们让“抗体演化”这件事，从自然几亿年的时间，压缩到人类几周。
形象化比喻：
如果传统抗体研发像“在海洋中捞珍珠”，
那 Nabla Bio 就是建了一台“造珍珠的机器”——AI 精准控制生长的温度、形状与光泽。
一句话本质：
从“筛选抗体”到“生成抗体”。
二、美国谁在做
代表企业：Nabla Bio
成立时间： 2021 年，麻省剑桥。
创始团队： 来自哈佛、MIT、Flagship 的生物工程与AI专家。
核心产品：
Nabla Design Engine： 结合结构预测与序列生成的抗体设计平台；
RapidBuild™ Loop： 自动化高通量实验系统，可在数日内验证上千个候选分子。
融资情况：
2023 年获 Lux Capital、Northpond Ventures 投资；
2024 年与武田制药（Takeda）签署联合开发协议，潜在里程碑收益超 10 亿美元。
合作方： Takeda、Pfizer、J&J 等跨国药企。
象征意义：
Nabla 是“AI药物研发速度极限”的代表，标志着生物制药从“发现科学”转向“生成工程”。
三、做到哪期
阶段： 已在临床前阶段完成多款抗体候选物的动物实验。
关键节点：
2023 年与武田启动联合开发；
2024 年首批 AI 生成抗体完成稳定性验证；
预计 2025 年进入 Phase I 临床。
阶段意义：
从“AI可辅助药物设计”到“AI主导药物生成周期”的落地转折点。
四、为什么中国这里没做到
技术门槛： 国内抗体公司多依赖传统筛选（display library），缺乏生成式抗体模型。
实验自动化不足： 缺少高通量细胞筛选、微流控实验平台。
数据质量差距： 抗体序列与结构数据库不统一、缺乏跨企业共享机制。
合作生态缺位： 国内药企与AI团队协作少，商业接口难形成稳定闭环。
资本耐性短： 多数投资偏向“快速报批型仿制药”，对AI抗体的长周期研发兴趣不足。
五、中国可以怎么补位 / 投资 / 合作
技术补位： 投资国内生成式抗体平台，结合 AlphaFold 与自研序列生成模型。
临床补位： 从中小靶点入手（如炎症、自免、肿瘤免疫），缩短实验验证链。
合作方向： 与 Nabla Bio 等公司建立数据交换项目，引入 RapidBuild™ 模型进行验证。
政策建议： 扩大 AI 生成药物伦理审批框架，允许在低风险领域（动物实验）先行验证。
资本策略： 建立“AI抗体基金”，由制药集团+AI基金联合支持生成式抗体技术落地。
长线价值：
AI生成抗体是“速度+智能”的结合点，
决定了谁能在未来药物竞赛中“率先把分子变成药”。
这是生命科学的“时间红利之战”。
S.L