返回首页

研究方向为基于人工智能的蛋白质从头设计，主要面向纳米抗体与结合蛋白（binder）的理性创制。技术路线以 RFdiffusion 从指定表位出发生成全新骨架，由 ProteinMPNN 完成序列设计，再用 BindCraft 以 AlphaFold2 为打分器做序列与界面的联合优化，并按界面 ipTM、界面 PAE、pLDDT 与形状互补性等指标多维过滤候选，形成“表位指定、骨架生成、序列设计、结构复核、实验验证”的设计流程。靶点选择侧重肿瘤与免疫炎症相关体系，以及难以通过动物免疫获得抗体的表位，包括高度保守位点、隐蔽表位与肽或小分子结合口袋；同时尝试利用实验室已有的鲨鱼 VNAR 序列资源对生成模型进行微调，把天然免疫库的序列偏好引入设计空间。设计产物经体外表达纯化后，用 SPR/BLI 测定亲和力与动力学常数，用 DSF/CD 评价热稳定性，并在细胞水平验证结合特异性与功能效应，使计算设计与湿实验验证衔接起来。计算条件为实验室自有 GPU 服务器，可在本地完成万级骨架的批量生成、AlphaFold2/3 大规模推理与模型微调，使“设计、筛选、复核”的迭代周期压缩到数天量级。