AI反向直觉设计的蛋白质正给现有监管体系带来真实挑战：其序列与天然蛋白相似度通常低于30%，而现行安全性评估方法高度依赖对天然蛋白结构和功能的理解，因此对这类非天然序列的适用性存疑；审批体系需在现有框架上增设针对AI设计产物的专门审查逻辑，以跟上技术迭代。
AI在蛋白质工程中的应用已进入全新阶段。以GPT为代表的大模型在蛋白质设计上的表现，官方表述为“已经完全碾压了人类”。上海交大洪亮教授团队利用深海耐高温蛋白数据训练大模型，AI能够设计出具备耐高温特性的目标蛋白，且部分优化点位“违背了人类直觉”，却能有效提升蛋白稳定性。这类反直觉设计揭示了AI在高维空间中捕捉蛋白本质特征的能力，但同时也意味着，人类经验难以预判其行为边界。
现行审批框架与AI设计产物的错位
传统生物药和工业酶审批体系，建立在“序列-结构-功能”可预测的假设之上。天然蛋白质经自然选择，在稳定性、活性、特异性上已达到较优状态；而AI生成的蛋白序列与天然蛋白相似度低于30%，意味着其折叠方式、修饰位点、免疫原性等关键属性均无法沿用历史数据库进行推断。现行安全性评估方法——如动物模型毒性试验、免疫原性预测——其底层逻辑依赖已知蛋白家族的经验外推，面对高度非天然的序列，评估有效性存疑。
此外，AI蛋白设计在工业应用与医药应用中的监管要求差异显著。工业酶（如耐高温蛋白）主要用于体外催化，风险暴露路径相对可控；而医药用蛋白进入人体后，涉及免疫应答、代谢途径、长期毒性等多重未知因素，监管审查的深度和广度要求远高于前者。当前体系尚未针对两类应用场景的AI设计产物建立差异化的审查标准。
审批体系如何跟上技术迭代
核心矛盾在于：AI的快与制药的慢存在不可调和的节奏冲突。在第一个AI设计的药物跑完全程之前，科学界和资本市场都难以完全承认AI制药的成熟度。但监管层面无需等待，可先行建立适配机制：
- 专门审查通道：针对AI设计产物，增设序列新颖性评估、计算预测与实验验证的交叉审核环节，而非简单套用天然蛋白等同标准。
- 动态数据要求：要求申请方提交AI模型训练数据范围、预测置信度及反直觉位点的实验验证数据，弥补经验外推的缺失。
- 分级监管：区分工业应用与医药应用的审查强度，前者侧重环境安全与催化副产物评估，后者需叠加免疫原性、脱靶效应等专项检测。
常见问题
AI设计的蛋白质安全性评估，现有方法还够用吗？
部分失效。 现有评估方法依赖天然蛋白的结构-功能数据库进行外推，而AI生成的序列相似度低于30%，历史经验难以直接迁移。需补充计算预测与针对性实验验证相结合的新型评估路径。
工业用AI蛋白和医药用AI蛋白，监管要求有何不同？
差异显著。 工业酶（如耐高温蛋白）主要应用于体外反应环境，风险暴露路径相对可控，监管重点在催化活性与副产物安全性；医药用蛋白进入人体，需额外评估免疫原性、代谢途径与长期毒性，审查深度远超工业场景。
是否需要为AI设计产品建立专门的审批通道？
有必要。 现行体系以天然蛋白为基准设计验证标准，对反直觉序列缺乏适配的审查逻辑。建立专门通道，可纳入AI模型数据透明度、反直觉位点验证等要求，在控制风险的同时避免拖慢技术创新节奏。