AI prošla slepým testem protilátek, ale v jednom úkolu byla horší než náhodný výběr

Proč je tato studie důležitější než další hezký benchmark

V AI výzkumu se často porovnávají predikce s historickými daty. Model dostane úlohu, odpoví a výsledek se změří proti databázi. U protilátek je to ale trochu jako hodnotit recept podle toho, jak dobře vypadá na obrazovce. Teprve ochutnávka ukáže, zda se výsledek dá skutečně použít.

Nová práce publikovaná 19. srpna 2026 v časopise Nature Biotechnology proto zvolila přísnější postup. Účastníci předem nevěděli, jak přesně budou jejich návrhy hodnoceny, a odevzdané sekvence byly následně vyrobeny jako plnohodnotné protilátky typu IgG. Výzkumníci pak měřili jejich skutečnou vazbu na antigen a také vlastnosti důležité pro výrobu a další vývoj.

Jde o přístup inspirovaný soutěží CASP, která dlouhodobě testuje predikci struktury proteinů. Právě slepé a experimentálně ověřené testy pomohly oddělit skutečný pokrok v predikci proteinových struktur od metod, které fungují hlavně na papíře. Autoři upozorňují, že oblast návrhu protilátek podobně robustní standardy stále postrádá.

Co přesně AI v testu řešila

Výzva AIntibody měla tři různé úkoly. Všechny pracovaly s protilátkami namířenými proti receptorové vazebné doméně viru SARS-CoV-2, tedy proti části virového proteinu, na kterou existuje velké množství strukturálních a sekvenčních dat. To je důležitá poznámka: výsledky představují spíše horní hranici současných možností než důkaz, že stejné metody budou stejně dobře fungovat proti libovolnému cíli.

• Afinitní maturace: modely měly vylepšit už existující protilátku na základě sekvenačních dat z laboratorního výběru.
• Výběr nejlepších kandidátů: algoritmy měly v několika skupinách podobných sekvencí vytipovat protilátky s nejsilnější vazbou.
• Návrh mimo původní knihovnu: modely měly vytvořit nové sekvence, které se v dodaném experimentálním souboru vůbec nenacházely.

Celkem se zapojilo 29 organizací. Podle typu šlo o akademické a neziskové laboratoře, biotechnologické firmy, farmaceutické společnosti i jednu velkou technologickou firmu. Odevzdáno bylo 511 sekvencí, přičemž jednotlivé přístupy zůstaly většinou anonymní. Výjimkou byli vítězové některých dílčích soutěží a organizace ProBioGen, která souhlasila se zveřejněním identity.

Silná vazba nestačí. Protilátka musí být také vyrobitelná

Nejdůležitější technický detail studie se skrývá ve slově developability, česky přibližně „vyvíjitelnost“. Nejde jen o to, zda se protilátka přichytí na správný cíl. Musí se také rozumně vyrábět, vydržet skladování, příliš se neshlukovat a neměla by se lepit na náhodné biologické struktury.

Výzkumníci proto použili panel pěti testů. Hodnotili mimo jiné hydrofobní interakce, samovolné spojování molekul, polyreaktivitu, teplotu tání a teplotu agregace. Každý test dostal skóre od nuly do dvou. Kandidát s celkovým skóre nejvýše tři byl považován za vyvíjitelný, vyšší skóre znamenalo problematický nebo nevyhovující výsledek.

Pro laika je to podobné jako u elektromobilu. Maximální výkon motoru může vypadat skvěle, ale pokud se přehřívá, špatně se nabíjí a baterie rychle degraduje, nejde o dobré auto. U protilátky je vazebná afinita výkon motoru. Developability určuje, zda s ní vůbec dokážete rozumně fungovat v reálném provozu.

AI uměla navrhnout mimořádně silné kandidáty

Nejlepší výsledky přišly u úkolu, ve kterém měla AI vylepšovat existující protilátku. Nejlepší návrh měl při měření metodou SPR afinitu 340 pikomolů, zatímco nejlepší experimentálně získaná kontrolní protilátka dosáhla 517 pikomolů. U metody KinExA se pět nejlepších AI návrhů pohybovalo mezi 95 a 984 pikomoly. Experimentální kontrolní skupina měla rozsah 113 až 1 230 pikomolů.

Rozdíl mezi těmito hodnotami je potřeba číst správně. U konstanty K_D platí, že nižší číslo obvykle znamená pevnější vazbu. Zároveň však nejde jednoduše prohlásit, že AI „porazila laboratoř“. Studie uvádí překrývající se intervaly spolehlivosti, takže nejlepší AI a experimentální kandidáti byli v některých případech statisticky nerozlišitelní.

V afinitní maturaci navíc přibližně 13 procent návrhů dosáhlo alespoň dvacetinásobného zlepšení oproti výchozí protilátce a dostalo se pod hranici 10 nanomolů. Šest developabilních návrhů mělo afinitu pod 10 nanomolů a nejlepší návrh od společnosti Aureka dosáhl 94,7 pikomolu. Autoři odhadují, že v podobném scénáři by dobře fungující výpočetní postup mohl ušetřit přibližně dva až tři týdny experimentální práce.

Ještě zajímavější je, že jednoduchý statistický přístup založený na konsenzu sekvencí skončil velmi vysoko. Jeden z jeho návrhů dosáhl 538 pikomolů. Jinými slovy, složitější AI model automaticky neznamenal lepší výsledek. Biologie má zjevně stále slabost pro jednoduché baseline metody, což je zdravá připomínka pro všechny, kdo si myslí, že transformer vyřeší i špatně položenou otázku.

V jednom úkolu byla AI horší než náhoda

Největší varování přinesl druhý úkol, tedy výběr nejsilnějších protilátek uvnitř sekvenčních skupin. V tomto případě většina AI metod nedokázala spolehlivě překonat ani jednoduchý výběr nejčastějšího klonu nebo náhodné vybírání kandidátů.

V jednotlivých skupinách zlepšilo výsledek proti nejčastějšímu klonu pouze 9,8 až 13,8 procenta všech AI návrhů. Náhodně vybrané klony přitom měly lepší afinitu přibližně ve 39 procentech případů. Jedinou skupinou, která náhodný základ překonala, byla laboratoř Washington University, a to s úspěšností 50 procent. Ani její metoda ale nefungovala stejně dobře ve všech testovaných skupinách.

To je přesně typ výsledku, který retrospektivní benchmark často skryje. Model může v historických datech vypadat přesvědčivě, ale při nasazení na nové sekvence zjistí, že nepozná biologicky důležité výjimky. U protilátek navíc velkou roli hraje oblast HCDR3, která vzniká kombinací genetických mechanismů a bývá obtížně předvídatelná.

Nové sekvence? Ano, ale s velkým rozptylem

Třetí úkol se zaměřil na návrh protilátek mimo původní knihovnu. Výsledky byly výrazně nevyrovnané. Nejlepší návrh podle pravidel soutěže měl afinitu 2,9 pikomolu, ale vykazoval vážné problémy s vyvíjitelností. Další nejlepší developabilní kandidát dosáhl 8,69 pikomolu a statisticky se vyrovnal nejlepší experimentální protilátce s hodnotou 9,2 pikomolu.

Celkem 16 návrhů mělo afinitu pod 100 pikomolů a 37 pod 1 nanomol. Současně ale 30,4 procenta návrhů vůbec nevázala cílový protein a dalších 16 procent sice vázalo, ale nesplnilo požadavky na vyvíjitelnost. Téměř polovina návrhů tedy nebyla použitelná bez dalšího zásadního přepracování.

Výsledek opět ukazuje, že nejde hledat jeden univerzální „nejlepší model“. Pro lokální vylepšování existujících sekvencí mohou fungovat konsenzuální metody a modely pracující s mutacemi. Pro tvorbu nových sekvencí mohou být užitečnější proteinové jazykové modely. Pro výběr kandidátů z heterogenních skupin ale současné postupy stále často tápou.

Co to znamená pro české firmy a výzkumníky

Nejde o veřejně dostupný AI nástroj, který by si dnes mohl stáhnout český vývojář nebo domácí uživatel. Studie nepopisuje produkt s ceníkem, free tierem ani českou lokalizací. Její význam je metodický: ukazuje, jak by se měly podobné systémy testovat, než se podle jejich výsledků začnou rozhodovat farmaceutické firmy.

Pro evropský a český biotechnologický sektor je důležitá především kombinace výpočtu a laboratorního ověření. AI může zúžit prostor kandidátů a pomoci najít několik slibných sekvencí. Nemůže ale přeskočit měření vazby, stability, agregace nebo bezpečnostních vlastností. V praxi proto nejde o náhradu laboratoře, ale o způsob, jak do laboratoře posílat méně slepých pokusů.

Studie navíc ukazuje cenu kvalitních dat. Trénování modelu na proteinových sekvencích není totéž jako trénování jazykového modelu na internetu. Experimentální měření jsou drahá, pomalá, často uzamčená v interních databázích a ne vždy strojově čitelná. Bez větších a rozmanitějších datových souborů bude generalizace na nové antigeny obtížná.

Verdikt: AI už není jen teoretický návrhář, ale stále není autopilot

Výsledek AIntibody je střízlivě optimistický. AI dokázala v kontrolovaném prostředí navrhnout protilátky s velmi silnou vazbou a přijatelnými výrobními vlastnostmi. To je praktický úspěch, nikoli pouze graf v prezentaci.

Zároveň však test ukázal, že úspěch je silně závislý na konkrétní úloze, datech a cílovém proteinu. V některých situacích modely pomohly. V jiných nepřekonaly jednoduchou statistiku a dokonce zaostaly za náhodným výběrem. Pro vývojáře je to možná nejcennější závěr celé studie: AI návrh protilátky není hotový kandidát na lék, ale hypotéza, která musí projít experimentem.

Právě proto má slepý prospektivní benchmark větší hodnotu než další tabulka s vysokým skóre. Když model selže předem definovaným laboratorním testem, víme alespoň, kde je problém. A to je v biotechnologii mnohem užitečnější než sebevědomá odpověď bez kontroly.

FAQ