近日举行的中国人工智能产业发展联盟（AIIA）第十次全体会议暨2023年通用人工智能创新发展论坛上，发布了“2023AIIA人工智能十大先锋应用案例”。商汤科技智慧医疗团队与复旦大学基础医学院合作的“基于深度学习算法模型的抗原—抗体中和效应预测”项目榜上有名。这个项目的成果DeepAAI算法模型无须知道抗原和抗体的结构，就能预测抗原—抗体中和作用，从而加速新的治疗型抗体药物发现过程。

AIIA是在国家发改委、科技部、工信部、网信办指导下，由中国信息通信研究院等单位发起的行业组织。为推动我国人工智能技术应用及产业发展，甄选具有高价值、标杆性、真落地的行业典型应用实践，今年10月，AIIA启动了“2023人工智能十大先锋应用案例征集”活动。经过2个月的征集评审，从百余项案例中评选出十大先锋应用案例。

入选的“基于深度学习算法模型的抗原-抗体中和效应预测”项目聚焦生物制药领域，研发团队基于大规模氨基酸序列的方法预测抗原—抗体中和效应，开发出DeepAAI这一能预测抗原—抗体相互作用的深度学习算法模型。据介绍，抗体由人体免疫B细胞产生，具有中和作用。抗体与抗原结合后，能使抗原失去原有的功能，从而防止细胞被抗原侵害。

“基于深度学习算法模型的抗原—抗体中和效应预测”入选十大先锋案例。

科学家研究抗体与抗原的中和作用，通常要在生物实验室进行“湿实验”，包括噬菌体展示、酶联免疫吸附实验、假病毒实验等。以酶联免疫吸附实验为例，每个抗体都要用酶标记，需要投入大量的资源和时间，特别是在面对未知抗体时，科研人员无法预测它们与抗原的中和作用。

为了开发准确、快速的计算方法，对抗原—抗体的中和作用进行初步筛选，从而减少“湿实验”的盲目性，商汤通过计算机“干实验”率先提出了DeepAAI深度学习算法模型。它能从已知抗体中学习未知抗体的表征，进而构建出两个分别连接抗体和抗原的自适应关系图。在此基础上，科研人员可以推荐针对病毒新变种的广谱抗体。

由于不需要知道抗原和抗体的空间结构，这项研究成果能帮助科学家完成治疗型抗体的初步筛选，并估算衡量药物诱导凋亡的数值，让后续开展的“湿实验”更有针对性。

据悉，DeepAAI已在艾滋病、新冠、流感、登革热等多种病毒的未知抗体上验证了性能，相关研究成果已形成论文《通过自适应图神经网络预测未知抗体的中和性》，发表在国际顶级学术期刊《自然—机器智能》上。

这一方法可推动科研人员便捷地将病毒和抗原样本迁移应用到其他病毒或抗原上，为新病毒或抗原筛选高活性抗体，进一步实现AI技术辅助大分子药物筛选和设计的科研新范式。近年来，商汤科技在生物制药领域持续研发，已覆盖药物发现、临床前研究、多组学研究等多个环节，推动医药行业创新发展。