纳米抗体智能设计与药物筛选
AI-driven Nanobody Design & Screening
纳米抗体(Nanobody)体积小、稳定性高、可穿透血脑屏障,是抗体药物研发的前沿方向。实验室构建了「数据 → 模型 → 筛选」的完整计算设计链条:
🔹 蛋白质大模型驱动的抗体优化 —— 基于 ESM3 的基序引导算法优化 CDR3 区并提升人源化水平(ISBRA 2026, CCF-C);蛋白质大语言模型直接构建纳米抗体文库(Frontiers in Chemistry, 2025)。
🔹 抗体-抗原结合机制解析 —— 门控低秩记忆模型 Paratope-GLoMe 预测结合面(ISBRA 2026, CCF-C);预训练 RoBERTa 模型 NanoBERTa-ASP 预测 paratope(BMC Bioinformatics, 2024)。
🔹 平台与数据库 —— 自研 NanoLAS / NanoLAS 2.0 一站式平台(Database 2024;IEEE BIBM 2025, CCF-B),集数据整合、可视化与分子对接仿真于一体。
🔹 面向病原体的计算机辅助筛选 —— 新型冠状病毒纳米抗体的计算筛选与稳定构象优化(Pharmaceuticals, 2024,中科院药学二区)。
蛋白质语言模型与可解释表征
Protein Language Models & Representation Analysis
蛋白质语言模型(pLM)是 AI for Science 的核心引擎,但其「黑箱」特性限制了在高可信场景的应用。实验室从表征解析与失效诊断切入,让模型的能力变得可度量、可解释、可交付:
🔹 表征几何与功能读出 —— FSDR 谱分析框架统一刻画冻结 pLM 嵌入的几何结构与功能信息分布(IEEE BIBM 2026, CCF-B, short paper)。
🔹 编码失效诊断与临床解析 —— LayerDx 系统定位 pLM 编码失效的层级来源,并据此构建 EnzymeDx,实现临床级酶变异功能解析(IEEE BIBM 2026, CCF-B, regular paper)。
单细胞多组学与精准医学
Single-cell Multiomics for Precision Medicine
🔹 器官级细胞图谱 —— 参与构建人类健康与损伤肾脏的器官级单细胞图谱,负责 SNARE-seq 数据的 Snakemake 分析流水线,属国际 KPMP 大科学计划核心成果,发表于 Nature(2023, 619: 585–594)。
🔹 转录组定量新方法 —— 提出 spike-in 归一化策略,揭示单细胞 RNA-seq 中介导抗癌药物响应的全局转录活性动态(NAR Genomics and Bioinformatics, 2021)。
智能交互、可视化与数据安全
VR · BCI · Blockchain
🔹 VR 分子交互 —— VisionMol:沉浸式蛋白分子结构可视化与操纵平台(Bioinformatics, 2025,CCF-A)。
🔹 脑机接口 —— K-Mamba:运动学先验门控 + Mamba 架构,在受控运动应力下实现紧凑型 EEG 情绪解码(IEEE BIBM 2026, CCF-B, short paper)。
🔹 基因数据安全 —— BioLedger:基于 Token 激励的联盟链基因数据安全共享框架(IEEE BIBM 2025,CCF-B)。
🔹 软件开发 —— 相关 VR/AR/MR 与 BCI 软件的研发(见 Lab News 与 GitHub)。
关于纳米抗体
About Nanobodies

驼类动物(羊驼、美洲驼等)天然产生单域抗体——纳米抗体(VHH),体积小、稳定性高、易于改造,是抗体药物研发的前沿方向。

纳米抗体仅由一个重链可变区构成(约 15 kDa),可穿透血脑屏障、识别隐蔽表位,为计算辅助设计提供了理想对象。