Protein A温和洗脱填料：AI如何搞定生物制药纯化难题？

1.抗体纯化中Protein A有多重要？

说到生物制药，你可能听说过单克隆抗体药物——比如那些治疗癌症、自身免疫性疾病的“重磅炸弹”。但你知道吗，这些药物的生产可不是那么简单。要获得高纯度的抗体药物，需要经过复杂的纯化流程。

1958年，科学家第一次发现金黄色葡萄球菌的Protein A能结合抗体，开启了它在生物制药领域的“封神之路”。

在整个纯化流程中，Protein A亲和层析是最关键的捕获步骤。它的作用是从复杂的细胞培养上清中，把我们要的抗体“精准捞出来”。这步有多重要？据统计，全球近64%的生物制品纯化工艺都使用Protein A层析树脂，而抗体生产中约52%的下游加工步骤依赖于这项技术。经过Protein A这一步，抗体纯度就能达到95%左右。

1978年，基于琼脂糖基质的Protein A Sepharose CL-4B进入商业化应用，标志着Protein A填料正式走向工业化。随后，Fast Flow型产品的推出显著提升了传质效率和处理通量，重组rProtein A Sepharose Fast Flow的出现，则进一步突破了天然蛋白来源受限的问题，为后续性能升级奠定了基础。

2. Protein A如何从将抗体精准的“捞出来”?

Protein A其实是金黄色葡萄球菌身上的一个细胞壁蛋白，分子量大概是42kDa~46kDa左右。它的厉害之处在于——有五个结构域（E/D/A/B/C）‍，每一个都能通过疏水作用、氢键和盐桥等多种分子间相互作用跟抗体的Fc区“牵手”，确保了高选择性与可逆性。在层析过程中，抗体在中性条件下被高选择性捕获，而宿主细胞蛋白、核酸和其他杂质则随流穿液被去除，随后再通过改变pH实现洗脱。

但是，传统的Protein A有个头疼的事儿——它得在pH 3.0到3.8的酸性条件下才能把抗体放下来。对很多怕酸的蛋白质来说，简直就是个灾难——容易聚成一团、断掉、甚至直接失活，影响最终产品质量。这也是Protein A技术持续升级的重要原因。

3.温和洗脱：让“洗得下来”变成“洗得更好”

Protein A温和洗脱填料的出现，正是为了应对低pH洗脱的局限。所谓温和洗脱，就是通过对Protein A配基进行优化设计，让抗体能够在更高、更接近中性的pH条件下完成洗脱。相比传统pH 3.0–3.8的强酸洗脱，温和洗脱型填料可将洗脱条件提升到pH 4.6甚至更高，部分体系还能在约pH 5的条件下实现有效洗脱。这一升级对双特异性抗体、Fc融合蛋白，以及一些对酸性环境脆弱的工程化抗体，在常规低pH洗脱中更容易发生聚集或失活的分子提供了更友好的纯化窗口。

4. AI赋能如何实现具有温和洗脱功能的Protein A开发?

过去，科研人员想要改进Protein A配体的性能，主要靠随机突变和理性设计两种方法。这两种方法都有个共同点：耗时且不确定性高。可能花上几个月甚至更长时间，才能筛选出几个有希望的突变体，而且成功率往往不尽如人意。

但现在，随着AI的出现，蛋白质研发领域发生了翻天覆地的变化。

以AlphaFold和RoseTTAFold为代表，这些AI模型可以在短短几分钟到几小时内，从氨基酸序列精准预测出蛋白质的三维结构。打个比方，这就相当于以前要手工测量一座建筑的每一个尺寸，现在直接扔给AI一张平面图，它就能立刻渲染出完整的3D模型。

核心逻辑：让AI读懂蛋白质语法

蛋白质的氨基酸序列就像一种只有20个字母的语言（对应20种天然氨基酸）。这些字母以特定的方式组合、折叠、相互作用，形成了自然界经过数十亿年进化筛选出的“功能句子”。

近年来，科学人员开发了大量的蛋白质语言模型，它们类似于训练ChatGPT的大语言模型，只不过“语料库”换成了数亿条蛋白质序列。其中最具里程碑意义的方法之一是扩散模型（diffusion models）的引入。原理是：先给蛋白质结构加上噪声使之变形，再训练模型学会逆向地去噪还原，模型在这一“破坏-修复”循环中便学会了如何从随机噪声中“生长”出满足特定几何约束的全新蛋白质骨架。在此基础上，ProteinMPNN等工具再完成最后一步——将生成的蛋白质骨架“翻译”回具体的氨基酸序列。

这就构成了经典的两步走方法：先生成蛋白质骨架，再“填入”序列。

干湿闭环：设计不再是一行代码

如果说上述方法解决的是“从结构到序列”的问题，那么科研人员的终极追求，是打通“从序列到功能”的最后一环——毕竟最终要交付的不是一串代码，而是一个真正“好用”的蛋白。用行话说，这叫“干湿闭环”：AI在数字世界完成设计（干实验），机器人实验室执行验证（湿实验），验证结果再反馈回AI进行下一轮优化。

在这方面，国内公司也给出了自己的答案。

2026年4月，上海天鹜科技发布了对话式蛋白质研发智能体MatwingsVenus™（晓鹜™）平台，将上述思路集成到了一个用户可以“聊着天”使用的平台上。

平台的逻辑很有意思：用户通过自然语言输入任务目标——比如“帮我设计一个能耐受碱性清洁并在pH 4.6以上条件下洗脱抗体的Protein A配体”——系统会自动拆解任务，调度背后的200多种蛋白质设计工具，完成蛋白质设计全流程计算工作。随后，设计结果会被无缝衔接至自动化实验室，由机器人完成样品制备、蛋白纯化和功能检测，检测结果再回流至下一轮AI设计，形成“计算驱动湿实验、湿实验反哺计算”的迭代闭环。

Mild elution filler

从实验室走向市场

AI赋能的产品能否从实验室走进市场，答案是显而易见的。根据天鹜科技官方网站披露的Protein A亲和填料，其通过利用AI大模型技术对Protein A配基的耐碱性进行了改造提升，以球形、窄分散，高交联度的琼脂糖凝胶为基质，专门用于单抗、双抗、多抗及Fc融合蛋白等复杂抗体的分离纯化。

AI平台的引入意味着Protein A填料的开发不再只是“做出来”，而是“设计出来”。这类平台的价值在于把原本高度依赖经验和试错的过程，变成一个更加智能、更加精准、更加可控的研发流程。

5. 结语

从传统 Protein A到温和洗脱Protein A，再到AI驱动的配体设计，抗体纯化技术正在经历一场面向实际需求的升级。相比过去更强调“把抗体抓出来”，今天的工艺开发更关注的是：如何把抗体更温和地洗下来，并尽可能保持它的完整性、活性和单体纯度。这正是温和洗脱Protein A的核心价值所在。

回顾 Protein A近七十年的发展历程，从最初的发现，到商业化应用，再到今天向温和洗脱、高载量、耐碱性等方向的持续进化，每一步都在回应一个越来越清晰的行业需求：不只是纯化效率高，更要对抗体本身更友好。而像天鹜科技MatwingsVenus™（晓鹜™）这样的AI平台，则正在把这种“更友好”的设计思路进一步前移到研发阶段，通过智能化配体设计和自动化实验闭环，加速温和洗脱Protein A的开发与优化。

AI蛋白质设计的意义，不只是提高研发速度，更是让温和洗脱Protein A这类更高要求的产品开发，从经验驱动走向数据驱动、从试错筛选走向精准设计。未来，随着AI与自动化实验的结合更加成熟，温和洗脱Protein A将不仅是一种更优的纯化材料，更会成为复杂抗体分子工业化生产中的关键基础设施。

Antibody purification