← 最新论文
📄 合成生物学

Antibody design across observed and forecasted antigenic evolution

该论文介绍了“Germinal Multi”,这是一个通过对单一抗原结合位点针对多个已观测及预测的抗原变体进行联合优化,从而成功设计并挽救抗体,进而对当前及潜在的病毒和癌症靶点产生广泛治疗功效的计算框架。

原作者: Park, S., Widatalla, T., Driscoll, C., Mille-Fragoso, L. S., Specht, I., Gao, X. J., Hie, B.

发布于 2026-11-16 (v2)
📖 1 分钟阅读☕ 轻松阅读

原作者: Park, S., Widatalla, T., Driscoll, C., Mille-Fragoso, L. S., Specht, I., Gao, X. J., Hie, B.

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

抗体是免疫系统的精密工具,它们是巡逻在血液中的蛋白质,寻找像病毒或癌细胞这样的特定入侵者。当抗体找到其目标时,它会以一种独特的形状紧紧锁住,就像钥匙契合锁孔一样,从而使威胁失去效力。这种机制已成为现代医学的基石,为从感染到癌症的各种疾病提供治疗方案。然而,这些抗体寻找的目标并非静止不变的。病毒和癌细胞通过进化过程不断改变其外表面,积累微小的突变,从而可能改变“锁”的形状。如果锁的形状发生哪怕极其细微的变化,抗体这把“钥匙”可能就不再契合,导致治疗失效。这种我们的防御机制与进化中的病原体之间的军备竞赛,是某些药物随时间推移而失效的主要原因。

科学家们长期以来一直寻求一种设计能够跟上这些变化之抗体的方法,即创造出不仅能契合一个锁,而且能契合同一种锁的多种不同版本的“钥匙”。挑战在于,设计一种能够识别多种略有差异形状的单一抗体是非常困难的。传统方法通常依赖于筛选庞大的天然抗体库或对现有抗体进行修改,这一过程可能既缓慢又耗费资源。此外,预测病毒未来如何通过进化来逃避我们当前的防御,增加了另一层复杂性。研究人员需要一种设计出既能应对当今可见的变化,又能应对未来可能出现的潜在变化之抗体的途径。

一组研究人员开发了一种名为 Germinal Multi 的新型计算框架来解决这一问题。该系统并非设计针对单一目标的抗体,而是允许科学家设计出一种能够同时结合多个版本目标的单一抗体。研究人员在三个截然不同的场景中测试了这种方法:针对已经产生耐药性的癌症相关蛋白、针对已经发生变化的病毒的历史版本,以及针对一个尚未在自然界中出现的预测未来版本的病毒。在每种情况下,目标都是创造一种能够识别并中和多样化目标的单一抗体,从而有效地领先进化一步。

第一个测试案例涉及一种存在于癌细胞表面的蛋白,称为 EGFR。该蛋白的某些突变使得癌细胞能够抵抗一种常见的抗体药物——西妥昔单抗(cetuximab)的治疗。研究人员识别了六种已知会导致这种耐药性的特定突变,并要求计算机设计一种新的抗体,使其既能结合原始蛋白,也能结合所有六个突变版本。他们并非设计抗体去分别契合每种突变,而是创建了一个同时考虑所有突变的单一设计过程。计算机生成了 60 个潜在的抗体序列,在实验室测试了一小部分最有潜力的候选者后,团队发现了几种有效的设计。其中四个新设计能够强力结合原始蛋白及所有六个耐药变体,而原始药物则无法结合其中的大多数。这证明了工程化设计出一种能够忽略癌细胞用于躲避治疗的具体变化的单一抗体是可能的。

第二个应用聚焦于 SARS-CoV-2 病毒,特别是该病毒进入人体细胞的部分。研究人员选择了两个出现在不同时期的病毒版本:一个是流行病早期的一波疫情中的版本,另一个是已经逃避了已知抗体保护的新型进化版本。研究人员利用计算机从头开始设计了一种能够同时结合这两个版本的抗体。在筛选了 5 7 个设计后,他们鉴定出一种候选抗体,在实验室测试中成功中和了这两个病毒变体。值得注意的是,这种新抗体还对包括最初设计过程中未包含在内的其他几个中间版本病毒也有效,这表明该方法可以在一系列进化步骤中产生广泛的保护作用。

最具有前瞻性的实验涉及预测病毒未来将如何变化。研究人员使用另一个计算机模型来预测当前流行的病毒谱系中可能出现的下一组突变。他们将这些预测与之前的实验数据相结合,确定了一组可能导致病毒逃避一种强大的广谱抗体的特定变化。随后,他们构建了一个带有这些预测变化的合成病毒,创造了一个现有抗体已无法中和的“挑战”变体。利用他们的多目标设计系统,他们重新设计了原始抗体,使其能够同时识别当前的病毒和这个未来的、经过工程化处理的威胁。结果显示,新抗体比原始抗体更有效地中和了当前病毒,同时也中和了这个未来的挑战变体。这证明了进化预测可以用来指导在威胁出现之前就对药物进行重新设计。

在这些实验过程中,研究人员发现同时针对多个目标进行设计比单独解决每个问题更为有效。计算机模型成功识别出了一种能够容纳不同目标之间差异的单一抗体形状。团队为每个项目筛选了数十个设计,这个数字远小于传统方法中经常测试的数千个,但他们仍然找到了高效的候选者。这表明计算设计可以高效地在复杂的抗体形状空间中导航,以寻找具有所需广谱活性的抗体。这项工作还强调,结合目标并不总是保证抗体能中和病毒,正如观察到一种候选抗体虽然结合了病毒但未能阻止其感染细胞一样。这凸显了在衡量实际中和能力的实验性功能分析中测试最终设计的必要性。

研究结论指出,设计抗体不应仅仅针对病毒或癌细胞的单一快照。通过将设计过程视为一个多目标问题,科学家可以创造出能够抵御目标自然变化的疗法。将关于未来进化的预测纳入设计过程的能力,为“主动医疗”提供了一条新路径,可能让我们在威胁尚未出现之前就做好准备。尽管这些结果源自实验室研究且需要进一步的临床验证,但它们建立了一种生成能够抵御持续进化压力的抗体的强大新策略。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →