AI驱动核酸适配体进化新范式

深圳先进技术研究院的团队在Nature Biotechnology发表研究，提出用生成式AI框架进行RNA适配体设计，实现用单轮筛选获得高亲和力分子，显著提升筛选效率。

研究方法与突破

团队提出的GRAPE-LM架构将生成式模型与实验筛选紧密结合，使适配体设计从多轮SELEX实验驱动转向AI主导的单轮高效筛选，扩大了可探索的序列空间并提高命中率。

对生物医药研发的影响

该方法有望显著缩短药物发现周期、降低成本，并推动在细胞内环境中识别与优化适配体，为治疗与诊断类分子开发带来新路径。

工程化与落地挑战

从研究到产业化需要解决实验验证、数据可获得性、模型泛化与法规合规等问题，同时需建立与实验平台的紧密闭环以保证预测结果的可重复性。

未来展望

随着AI模型与高通量实验的结合，核酸适配体发现领域可能进入高速迭代期，推动更多可转化的候选分子进入临床前研究。

如有侵权，请联系删除。