AI 新聞重點 · 2026-08-18 · EP21

波士頓大學如何用AI提升抗體預測準確度27%？

快速回答

波士頓大學團隊透過改進通用蛋白質語言模型ESM C的微調方式，將抗體結合力預測準確度最高提升了27%。他們集中遮蔽抗體互補決定區（CDR）的殘基進行訓練，而非隨機遮蔽，此方法在超過9萬個抗體變異體測試中，使其表現追平甚至超越了參數量更大的既有模型。這項研究成果已於8月13日登上《自然》集團旗下的《Communications AI and Computing》期刊。

發生了什麼？

波士頓大學團隊於8月13日宣布，其抗體結合力預測研究論文正式刊登於《自然》集團旗下的《Communications AI and Computing》期刊。
該團隊並非打造全新AI模型，而是透過改良現有通用蛋白質語言模型ESM C的微調策略，將訓練重點集中在抗體的六個CDR迴圈區域。
此聚焦式訓練方法，在超過9萬個經改造的抗體變異體上，使結合力預測準確度最高提升了27%，表現媲美甚至超越了參數量更大的抗體專用模型。

對你有什麼影響？

對於AI重度使用者而言，這項技術進展顯示不需從零開發新模型，透過優化既有AI的訓練策略，也能大幅提升特定領域的應用效果。這代表著未來現有AI工具可能透過更聰明的微調方式，在生物醫學等專業領域展現出突破性的效率，加速相關研究的進展。

你可以怎麼做？

追蹤波士頓大學團隊的後續研究進展，尤其是是否有實際抗體藥物開發應用成果的公開報導。
關注其他AI研究團隊是否能獨立驗證27%的準確度提升，以評估此方法在業界的普遍性與可靠度。
了解現有AI模型如何透過客製化微調（例如遮罩策略）來強化其在特定垂直領域的效能。
評估您目前使用的AI工具是否也提供客製化微調選項，以提升其在您專業領域的精準度。

常見問題

所謂「準確度提升27%」有經過獨立驗證嗎？

27%的準確度提升是團隊自行報告的成果，雖然已通過同儕審查，但目前尚未查到完全外部且無利益關係的第三方獨立驗證結果。

這項研究已經成功找到新的抗體藥物了嗎？

目前這項技術定位為實驗室濕實驗前篩選候選範圍的計算工具，尚無公開報導指出已有抗體藥物開發案子實際應用此方法並取得最終成果。

ESM C模型是由哪家公司開發的？

ESM C是一個由EvolutionaryScale公司開發的通用蛋白質語言模型，原本用於理解各種蛋白質序列。

看節目：EP21

這篇由 AI 依節目腳本與查證紀錄整理，每個數字都核對過原稿。資料日期：2026-08-18。關於我們怎麼做