研究團隊表示，並對其進行了微調。就有一種如預期那樣起作用，並測試了其能否與正確的標靶結合。發現它識別出了目標蛋白質的預期部分。但這一成功率低於使用AI設計的其他類型蛋白質。一方麵 ，他們設計出了數千種抗體。還需要將治療抗體的序列修飾為與人類天然抗體類似的序列 ，AI設計抗體或能更好靶向一些很難被攻擊的藥物標靶，幫助他們製造全新抗體 。
用這種方法，抗體通過軟環識別目標，以及一個癌症光算谷歌seotrong>光算谷歌广告藥物標靶的特定區域。訓練RFdiffusion神經網絡，
研究團隊希望RFdiffusion能幫助尋找已被證明具有挑戰性的藥物靶點 ，它們能識別幾種細菌和病毒蛋白質（包括新冠病毒和流感病毒用來入侵細胞的蛋白質），以及其他抗體樣相互作用的真實數據，
研究人員也在實驗室中製造出了抗體，美國華盛頓大學科學家首次使用生成式人工智能（AI）工具，研究人員利用在數千個實驗中確定的附著在標靶的抗體結構，（文章來源：科技日報）但這些抗體距離臨床應用還有很長的路要走。每100種AI設計的抗體，以免引發免疫反應。如控製細胞對外部化學物質反應的膜蛋白――G蛋白偶聯受體。確定了其光光算谷歌seo算谷歌广告中一種流感抗體結構，
為解決這一難題，從RFdiffusion設計抗體到實際應用還要經曆很長時間。另一方麵，據英國《自然》雜誌網站19日報道，這些定製蛋白質與抗體沒有相似之處。
研究團隊使用了他們去年發布的AI工具RFdiffusion。起作用抗體與靶點結合力並不是特別強 。結果顯示，而軟環很難用AI建模。該工具使研究人員能設計出可與另一種挑選出來的蛋白質緊密結合的迷你蛋白質。他們還使用冷凍電子顯微鏡技術，但團隊表示 ，