生物行移动版

神经退行性疾病如阿尔茨海默病、帕金森病和运动神经元病（MND）的共同病理特征之一是特定蛋白质在神经元内异常聚集形成毒性聚集体。传统抗体疗法虽在清除细胞外蛋白聚集体方面显示出潜力，却因无法穿越细胞膜而难以作用于细胞内靶点。如今，英国埃塞克斯大学的研究团队借助人工智能（AI）技术，成功设计出能进入细胞并在胞内发挥功能的“胞内抗体”（intrabodies），为这些难治性疾病带来了新的治疗曙光。相关成果已发表在《自然·通讯》（Nature Communications）上。

AI驱动的抗体设计：从序列到功能

研究团队利用先进的AI算法，从零开始设计能够特异性识别α-突触核蛋白（α-synuclein）和TDP-43蛋白的胞内抗体。这两种蛋白分别与帕金森病和肌萎缩侧索硬化（ALS）等MND密切相关。传统抗体筛选依赖动物免疫或噬菌体展示库，耗时且难以获得针对细胞内靶点的抗体。而AI设计则绕过了这些限制，通过计算预测抗体与抗原的结合界面，并优化抗体的稳定性和可溶性。

具体而言，研究者采用深度生成模型，生成大量候选抗体序列，再通过分子动力学模拟和结合自由能计算进行筛选。最终选出的抗体在体外实验中显示出纳摩尔级别的结合亲和力，并在细胞实验中证实能够有效减少α-突触核蛋白的聚集和TDP-43的异常磷酸化。值得注意的是，这些AI设计的抗体具有独特的CDR环结构，与天然抗体截然不同，却表现出更高的稳定性和特异性。

胞内递送：突破细胞屏障的关键

胞内抗体的应用面临的最大挑战是如何高效递送至细胞质。研究团队采用了一种创新的融合策略：将抗体与细胞穿透肽（CPP）融合，利用CPP的穿膜能力将抗体转运至胞内。实验显示，融合后的抗体在神经元细胞中的摄取效率显著提高，且未引起明显的细胞毒性。此外，抗体还携带了内体逃逸信号，确保其从内体中释放到细胞质，避免被降解。

在细胞模型中，AI设计的胞内抗体不仅抑制了蛋白聚集体的形成，还逆转了已存在的聚集体所导致的线粒体功能障碍和氧化应激。研究者观察到，处理后的细胞活力显著恢复，凋亡标志物减少。这些结果证明了胞内抗体在细胞水平上的治疗潜力。

未来展望：从实验室到临床的挑战

尽管结果令人鼓舞，但研究者强调，从细胞实验到临床应用仍有漫长距离。首要问题是体内递送效率：虽然CPP融合策略在体外有效，但在动物模型中能否实现足够的脑内分布和神经元摄取尚需验证。其次，AI设计的抗体可能引发免疫原性反应，需进行人源化改造。此外，长期安全性也需要系统评估。

该研究的通讯作者表示：“我们的工作证明了AI可以加速功能抗体的开发，特别是针对那些传统方法难以攻克的细胞内靶点。这为神经退行性疾病的治疗提供了全新的工具，但我们必须谨慎推进，确保其安全性和有效性。”团队计划下一步在动物模型中测试这些胞内抗体，并探索针对其他疾病相关蛋白的扩展应用。

这项研究不仅为神经退行性疾病治疗提供了新策略，也展示了AI在生物医学领域的变革力量。随着计算方法的不断进步，未来有望实现更快速、更精准的抗体设计，为患者带来更多治疗选择。