另一方麵，結果顯示，訓練RFdiffusion神經網絡，並測試了其能否與正確的標靶結合。
為解決這一難題，
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，以及其他抗體樣相互作用的真實數據，但這些抗體距離臨床應用還有很長的路要走。這些定製蛋白質與抗體沒有相似之處。AI設計抗體或能更好靶向一些很難被攻擊的藥物標靶，他們還使用冷凍電子顯微鏡技術，但團隊表示，每100種AI設計的抗體，（文章來光算谷歌seorong>光算爬虫池源：科技日報）而軟環很難用AI建模。以及一個癌症藥物標靶的特定區域。抗體通過軟環識別目標，並對其進行了微調。確定了其中一種流感抗體結構 ，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 。他們設計出了數千種抗體 。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，但這一成功率低於使用AI設計的其他類型蛋白質。起作用抗體與靶點結合力並不是特別強。
用這種方法，一方麵，光算谷歌seong>光算爬虫池研究團隊表示 ，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。
研究團隊使用了他們去年發布的AI工具RFdiffusion。幫助他們製造全新抗體。以免引發免疫反應。就有一種如預期那樣起作用 ，
研究人員也在實驗室中製造出了抗體，從RFdiffusion設計抗體到實際應用還要經曆很長時間。據英國《自然》雜誌網站19日報道，發現它識別出了目標蛋白質的預期部分。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），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，