这项研究介绍了一种名为变分合成（variational synthesis）的创新方法，旨在解决生成模型设计生物序列时面临的制造瓶颈。传统的DNA合成方式因成本高昂而限制了设计规模，而该技术通过将机器学习算法直接映射到随机化学反应中，实现了超大规模的物理制造。研究人员成功合成了约10¹⁶个抗体设计样本，其序列的真实性与多样性可媲美最先进的人工智能语言模型。通过对这些合成序列进行功能筛选，团队发现了能够针对复杂细胞内靶点的治疗性嵌合抗原受体（CAR）候选药物。此外，该方法在Taq聚合酶及HLA肽组等多个领域的成功应用，充分证明了其在蛋白质工程中的通用性。这种制造感知型生成模型彻底改变了生物分子的发现效率，使大规模探索生命序列空间成为可能。

References:

• Weinstein E N, Gollub M G, Slabodkin A, et al. Manufacturing-aware generative models enable petascale synthesis of designed DNA[J]. Nature Biotechnology, 2026: 1-9.