AIの抗体設計は 急速にH5N1インフルエンザの新型感染を目標とし 抗ウイルス開発のスピードを上げています AI-driven antibody design rapidly targets new H5N1 flu strain, speeding up antiviral development.

2025年11月4日閲覧. ^ a b c d e f g h i 能力タンパク質言語モデルは抗ウイルス物質の製造を速やかに加速している. ^ ヴァンダービルト・ファームによる2025年11月4日,セルに公表された研究結果によると. AI-powered protein language models are speeding up the creation of antiviral antibodies, according to a Vanderbilt-led study published in Cell on November 4, 2025. MAGEと呼ばれるモデルを使用して,研究者は既存のテンプレートに頼らずにウイルスの表面タンパク質を標的としたヒトの抗体を設計し,これまでに未知のH5N1株を無効化することに成功した. Using a model called MAGE, researchers designed human antibodies targeting viral surface proteins without relying on existing templates, successfully neutralizing a previously unseen H5N1 strain. 抗体ウイルス作用を予測するAIを活用するこのアプローチは、鳥インフルエンザやRSVなどの新たな脅威に対する治療のための開発時間を著しく短縮する可能性がある。 This approach, which leverages AI to predict antibody-virus interactions, could drastically shorten development time for treatments against emerging threats like avian flu and RSV. ワシントン大学のコンプリートワークは,安定した抗体接着剤の設計に可燃性モデルを用いたオープンソースAIのRFantonを導入し,また MITのボルトズ・遺伝子は,以前は検出不可能だった分子を対象にしている別のAIの認証方式を提供している. Complementary work from the University of Washington introduced RFantibody, an open-source AI tool using diffusion models to design stable antibody binders, while MIT’s BoltzGen offers another AI-driven method for targeting previously undruggable molecules. NIHとARPA-Hがサポートするこれらの進歩は,学術研究の動向を強調する。 オープンソースのAIツールが薬の発見を加速させ,感染症やガンや自閉性障害への応用を促進している。 These advances, supported by NIH and ARPA-H, highlight a growing trend in academic research where open-source AI tools are accelerating drug discovery and expanding potential applications in infectious diseases, cancer, and autoimmune disorders.