蛋白质已经进化到能够胜任各种任务，从收缩肌肉到消化食物再到识别病毒。为了设计出更好的蛋白质(包括抗体)，科学家经常在不同位置反复突变氨基酸(按顺序排列以组成蛋白质的单位)，直到产生的蛋白质具有更好的功能，例如引发更强的免疫反应或更有效地从大气中捕获二氧化碳。
但可能的氨基酸序列比世界上的沙粒还要多。而找到最佳蛋白质，进而找到最佳潜在药物，通常成本高昂，甚至不可能。
斯坦福大学的科学家开发出了一种基于机器学习的新方法，可以更快、更准确地预测导致更好抗体药物的分子变化。
该方法于 7 月 4 日发表在《科学》杂志上，将蛋白质骨架的 3D 结构与基于氨基酸序列的大型语言模型相结合，使研究人员能够在几分钟内找到罕见且理想的突变，而这些突变通常只能通过详尽的实验才能找到。
该团队由生物化学教授兼 Sarafan ChEM-H 研究所学者 Peter S. Kim 和化学工程助理教授 Brian Hie 领导，他们展示了他们可以改进一种曾获 FDA 批准的 SARS-CoV-2 抗体，该抗体因对 2022 年 11 月新毒株无效而停产。他们的方法使对病毒的疗效提高了 25 倍。