尽管单细胞筛选技术取得了重大进展，但抗体（Ab）库仍然令人费解。在这里，我们展示了通过利用从高通量测序获得的大数据，可以将抗体序列与其功能联系起来。利用广泛的 SARS-CoV-2 大流行数据，我们开发了一种基于 AI 的方法来揭示抗体库的中和潜力。我们采用机器学习处理抗体-RBD 复合物的公共 3D 结构数据，创建了一个全面工具 RBD-AIM（https://rbdaim.2a2i.org/），用于基于抗体序列进行高通量结构抗体表位的预测。使用 RBD-AIM，我们分析了本地大数据源，以评估接种后原生 B 细胞库的功能多样性，并在使用单细胞微流体技术重构的酵母展示系统中进行了研究。该流程允许快速分离中和抗体，以促进转基因 hACE2+ 小鼠在 SARS-CoV-2 感染的致死模型中的生存。我们相信，AI 引导的序列-功能链接可以成功用于进一步高通量发现治疗性抗体和抗体库的功能分析。计算方法可以用于发现针对 SARS-CoV-2 等病毒的强效中和抗体。在这里，作者使用 AI 方法对抗体进行布局，预测特异性和抗体-抗原结构，挑选出强效中和剂，并展示这些抗体在小鼠模型中对 SARS-CoV-2 挑战的保护作用.
Terekhov 等（Sun，）研究了这个问题.