人工智能助力精准预测抗体序列，有望催生新一代治疗方案
近日，英国萨里大学与伦敦大学学院联合开展的一项新研究显示，一种名为“ImmunoMatch”的人工智能模型，能够预测抗体中特定蛋白质链的正确配对方式，为设计更高效的抗体药物、增强人体免疫防御能力开辟了新途径。
研究人员致力于探索如何利用人工智能揭示抗体在人体内的组装机制。抗体由免疫系统中的B细胞产生，包含重链和轻链两种蛋白质结构，二者结合后形成能够识别并抵御病毒、细菌等病原体的关键分子。
伦敦大学学院综合计算生物学教授弗兰卡·弗拉泰尔尼（Franca Fraternali）指出：
“长久以来，科学界普遍认为抗体中的重链与轻链配对是随机过程。然而，通过ImmunoMatch模型，我们首次证明这种配对具有高度特异性。理解其中的配对规律，对于预测抗体稳定性与功能表现至关重要，也将为合理设计疗效更优的治疗药物奠定基础。”
为深入解析抗体组装机制，研究团队基于大规模B细胞抗体序列数据，构建了专门针对抗体结构的语言模型——ImmunoMatch。该模型通过学习数百万条来自人类B细胞的重链与轻链序列，能够准确识别并预测二者间的配对关系，从而为科学家揭示抗体组合的内在规律提供关键信息。
此外，研究团队还证实，ImmunoMatch能够精准分析来自活跃免疫应答（例如针对血液肿瘤和实体瘤中的B细胞）的抗体序列。这一能力有望显著加速针对特定疾病的新型治疗性抗体的理性设计与开发进程。
相关研究成果已发表于《自然·方法》（Nature Methods）期刊。
萨里大学免疫学教授黛博拉·邓恩-沃尔特斯（Deborah Dunn-Walters）进一步强调：
“借助人工智能，我们发现重链与轻链的组合并非如以往认知中那般随机。这些发现帮助我们揭示了蛋白质链如何遵循自然法则组装成功能性抗体。抗体是现代治疗体系中最重要的药物类别之一，目前已获批的新药中约四分之一属于单克隆抗体。因此，深入理解抗体的形成机制，对其高效设计与临床应用具有决定性意义。”
