本次采访中，NewsMedical与新一代生物技术创业公司圆壹智慧的创始人兼CEO潘麓蓉博士和义翘神州（Sino Biological）的技术客户经理Amy Sheng博士探讨了如何将人工智能（AI）与高通量生产和筛选相结合，以改善潜在通用疫苗的开发过程。
访问Sino Biological官网可收听本文podcast：
https://www.sinobiological.com/activities/podcast/universal-vaccine-advancement
也可点击下方收听：
讨论的主题包括人工智能如何与蛋白质的高通量生产和筛选相结合，以加快候选通用疫苗的开发进程——这是一种预防和控制未来大流行病的理想方法，也是当今生物技术领域的主要研究挑战之一。
NewsMedical(NM)：能分别介绍一下你们各自的背景和目前在圆壹智慧和Sino Biological的工作吗？
潘麓蓉博士（LP）：我是人工智能药物发现平台圆壹智慧的创始人兼CEO。我拥有计算生物学的博士学位和专门研究人工智能的计算机科学背景。我在这个行业从事药物设计和使用不同的计算算法已经有14年了。我最初与Sino Biological合作是将其作为我们内部药物发现项目的细胞供应商之一。
Amy Sheng博士（AS）：我是Sino Biological的技术客户经理。我的背景是细胞和分子生物学、抗体开发和生产。目前我负责Sino Biological美国的CRO项目。
NM：你能给通用疫苗下一个定义吗？为什么说研究它们很重要？
AS：通用疫苗是对不同病毒株具有广谱效应的疫苗。从SARS-CoV-2的案例中，我们经历并理解了病毒变异和免疫逃逸的速度有多快。因此，开发疫苗或治疗试剂以抵御可能出现的任何新变异病毒至关重要。
与传统疫苗相比，通用疫苗在保护弱势人群免受不同毒株甚至未来变种的侵害方面更有潜力。在SARS/COVID之前，流感一直是开发通用疫苗的目标。几十年来，开发生产范围更广的流感疫苗一直是一个目标。由于疫苗靶点和更高效的交付平台的最新发展，这一目标变得更易实现。
NM：与具有特定疾病实例的传统疫苗接种方法相比，通用疫苗还有哪些其他优势？
AS：对于流感，传统疫苗不能产生持续有效的免疫和交叉反应性免疫应答，从而中和各种流感病毒毒株。在不同年龄组和不同病毒株中，传统疫苗效力存在显著差异。毒株错配是疫苗失效的主要原因之一。我经常听到朋友们说疫苗没有作用。我曾经注射过流感疫苗，但我也被流感打趴下过一周。事实上，就在去年，H3N2流感的主要毒株发生的变异，使它不能通过已设计的疫苗有效地为弱势人群提供免疫力。
然而，通用疫苗有可能解决这个问题，并尽快提供更好的生产。除效力外，如果我们面临病毒迅速变异的情况，通用疫苗将降低疫苗研发、制造和储存的成本，这将极大地造福于特别易受流行病影响的低收入国家人口。
NM：你能解释一下通用疫苗如何起作用，以及它们如何对一系列疾病发挥免疫力的科学基础吗？
AS：通用疫苗的开发主要集中在病毒的不变部分或保守区域。然而，该区域可能被病毒不断变异的结构域所遮蔽，这种结构域称为免疫优势。换句话说，产生的通用疫苗可能具有较低的免疫应答。现在，研究人员正试图制造嵌合蛋白疫苗，以使保守区域更具免疫优势，免疫反应更广泛、更持久。
疫苗的包装方式也会极大地影响毒株和免疫应答的质量。例如，腺病毒可以被修饰并用于传递编码我们想要呈现的病毒抗原的DNA序列。这样做的好处是它们可以连续数周产生抗原，这可能有助于延长反应时间。
LP：疫苗有两种用途：预防和治疗。预防性意味着你提前用它，它提供一段时间的保护性。这些疫苗通常能产生B细胞免疫，在我们的免疫系统中具有更长的记忆并发挥作用。从目前科学的进步来看，我们已经观察到某些抗体或抗体鸡尾酒疗法可以针对多种病毒感染。如果我们能利用计算和实验手段找到一种通用抗原，最终的产品将成为一种通用预防性疫苗，生成一种长期保护性B细胞免疫的混合物。
我们免疫的另一部分是T细胞免疫，它通常会对我们身体的非选择性入侵者作出更明确和强烈的反应以清除它们。我们可以用一种治疗方法来控制T细胞的行为，当我们感染时刺激其功能，同时为不同类型的患者定制治疗方案。
一些患者的T细胞免疫功能受损，一些患者的过度兴奋T细胞免疫会导致炎症反应。如果我们能有一种调节剂来刺激我们的T细胞，使其能够保护我们，清除来自外界的任何入侵者或致病模块，同时又不伤害我们——这将产生长期保护性B细胞和T细胞免疫的组合。
NM：在寻找通用疫苗候选者方面有哪些挑战，人工智能技术如何帮助应对这些挑战？
LP：传统上，我们使用单个抗原物种产生抗体。例如，对于COVID，最初我们使用动物模型设计疫苗，以产生针对当前正在发生的毒株的抗体。当病毒变异时，我们必须在一个时间段内多次注射样本。我们不能用传统动物模型追赶变异速度的方法来开发通用疫苗。
计算技术在合作实验中可以有很大帮助，在这些实验中，我们几乎计算了从大流行开始到当前时间点的所有毒株，共计超过1000种不同的毒株。在几个小时内，可以生成对不同毒株有潜力的抗体。相反，我们也可以使用相同的算法来识别所有这些变异毒株中的共同点，以生成抗体来抵御未来的毒株。在使用该模型进行的抗体设计中，抗体也能够抵御未来的毒株。
病毒物种的进化特征中有一些模式，我们可以从中学习并能够预测这些物种未来的变异趋势。如果我们能够完全将病毒数字化，我们就可以构建一种算法来发现其进化模式，并找到一个共同的免疫遗传序列，为疫苗设计过程做出贡献。计算技术可以加速设计，甚至有助于发现未来生物学中的新现象。
NM：病毒种类繁多，如流感、SARS等。在疫苗开发过程中，你是否看到不同病毒之间有类似的进化模式？
LP：我们看到了病毒进化的共同模式：它们快速进化并与宿主一起进化。这是我们可以通过数字和计算来学习到的，并能用来分析、理解甚至预测其趋势。所有物种共通之处在于，每个组分都以一种数字化形式编码在RNA或DNA序列中。在这种情况下，这些进化模式是可计算的。
NM：在开发此类技术时，人工智能的引入，以及与像圆壹智慧这样的公司合作，是如何帮助并改变了Sino的工作流程？
AS：圆壹智慧是一个设计蛋白质和抗体的绝佳平台，它为产生理想的候选药物/疫苗提供了一个指南。圆壹智慧帮助我们更好地理解和预测产品将如何与蛋白质伙伴相互作用。
在生产方面，如果疫苗是蛋白形式的，所预测序列的生产可能具有挑战性。所需蛋白质应具有高稳定性、高产量和纯度，以供后期制造商和研发的其他方面使用。为了使这种蛋白质的生产标准化，我们必须进行大量的故障排除。
NM：能否谈谈你们是如何与圆壹智慧开始合作的，以及是如何将AI平台与你们的开发工作流程相结合以开发这些新的候选疫苗的？
AS：圆壹智慧是我们的客户之一，我们曾一起开发过许多重组抗体项目。由于我们为重组生产提供了各种平台，特别是备受认可的蛋白质生产和筛选，我们可以在短短四周的时间内生产多达1000个制成物。
与圆壹智慧一起，我们能够对一些基本信息——如产量、稳定性和纯度以及计算设计——提供快速解答。我们对病毒蛋白生产具有丰富的经验，也拥有世界上最大的病毒蛋白库。这些抗原可用于分析疫苗诱导的抗体反应。
NM：Dr. Pan, 你能谈谈将圆壹智慧的技术应用于Sino这一项目的技术过程吗？和圆壹智慧的其他项目相比，与Sino合作的情况如何？
LP：我们从合作COVID项目开始，发现许多客户不仅想产出蛋白药物，还想改善这些蛋白药物的特性。在过去，你必须尝试不同的变异体才能找到一个质量好的（抗体），这需要花费很多时间和成本。假设我们可以使用人工智能，将所有不必要的实验都列入一个名单。在这种情况下，我们可以使用我们的AI引擎来扩充所有高概率阳性物种，因此只需要进行非常有限的实验来节省时间。这将加快研发过程，对客户来说，则意味着花费在失败实验上的资金将减少。该技术是一个很好的行业解决方案，如果我们同时将其和设计、生产能力结合起来，我们就能为更多客户和合作提供快速周转。这对我们双方来说也都是一个很好的商业模式。
NM：通用疫苗能在世界各地普遍用于治疗需要多长时间实现，人工智能对此有多大影响？
LP：许多大学、商业实体和非营利组织正在研究通用疫苗。从科技准备就绪的角度来看，我认为我们正在逐步接近（这个结果）。我无法给出准确预测是未来五年还是十年，但我认为我们将在未来三年内看到良好的动物研究结果。大型人体试验则是另一回事，因为这将涉及一系列长期的安全性研究、更大的群体以及全球不同地区的合作。在接下来的五到十年里，我会希望看到一种能够在人体试验中得到验证的、能够覆盖大多数常见病原体的候选疫苗。
AS：我们最近看到针对SARS-COVID的疫苗开发是一个独特案例。通用疫苗开发或任何疫苗开发的正常过程都需要很长时间，特别是在政府最终批准之前，需要确保其具有良好的安全记录。我们希望能更快地实现这一目标，但最重要的是安全性和保持正轨。
（文中观点仅代表个人）
关于Amy Sheng博士
Amy Sheng博士是Sino Biological技术客户经理。Amy于2021年加入Sino Biological，支持其美国东部地区的CRO服务和项目管理。
在加入Sino Biological之前，她曾在Caprico Biotechnologies担任生产经理，负责流式细胞仪的抗体开发和生产。她拥有佐治亚理工大学分子和细胞生物学博士学位，是ASCP认证的分子生物学家和ASQ认证的CSSGB。
关于潘麓蓉博士
潘麓蓉博士是圆壹智慧创始人兼CEO。圆壹智慧是由人工智能驱动的新一代生物技术初创公司。
潘博士利用结构生物学、计算化学和人工智能技术进行药物设计、精准医学研究的经验超过14年。她曾担任美国阿拉巴马大学伯明翰分校医学院结构生物学和计算生物学研究员，工程院交叉学科中心计算总监，全球健康药物研发中心（GHDDI，由比尔及梅琳达·盖茨基金会、清华大学和北京市政府共同创建的非营利机构）人工智能部门负责人、副主任研究员，领导设计和实现高性能人工智能药物研发计算平台和精准医学计算平台。
潘博士在美国阿拉巴马大学伯明翰分校获得化学博士学位，在佐治亚理工大学获得计算机科学硕士学位，在南京大学获得应用化学学士学位。她还是IBM认证的大数据架构师。
