
抗体药物的发现史,本质上是一部人类学习免疫系统“语言”的历史,如今这门语言有了一本新的“语法书”。

9月16日,和铂医药发布公告称,其全资附属公司诺纳生物成功开发出全球首 个基于全人源仅重链抗体(HCAbs)训练的语言模型HCAbLM。
相关研究论文已发表于预印本平台bioRxiv。 这不是一次寻常的AI制药进展,它意味着:人类首次用大规模数据让机器学会了仅重链抗体的“序列语法”。 所谓“仅重链抗体”,是自然界在骆驼科动物中发现的一类特殊抗体。 它缺失轻链,仅由重链构成,却依然能精准识别抗原。 和铂医药通过其Harbour Mice®平台,将这一特性“移植”到小鼠身上,实现了全人源HCAb的规模化生成。 而HCAbLM的诞生,正是建立在这座“数据富矿”之上:来自73只独立免疫小鼠、共计3180万条全人源HCAb序列。 3180万条序列,是什么概念? 如果每条序列平均编码120个氨基酸,这相当于约38亿个“字母”组成的生物文本。 传统抗体语言模型多基于普通抗体数据训练,而HCAbLM是首 个专为仅重链抗体“定制”的模型。 论文揭示了一个关键发现:HCAbLM学习到了与仅重链形式相关的独特序列语法。 这些模式,是传统抗体模型无法充分捕获的。 这就像是在通用英语语料库中训练的语言模型,突然接触到了莎士比亚的十四行诗:语法相似,但韵律、节奏与深层表达规则截然不同。 HCAbLM的价值,正在于它读懂了HCAb的“诗律”。 更值得关注的是,模型学到的表征并非停留在序列层面的“纸上谈兵”。 研究表明,这些表征展现出对实验测得抗体特性的可迁移能力,包括体积排阻色谱纯度、疏水相互作用色谱行为及热稳定性等。换句话说,AI不仅学会了“怎么写”,还学会了“写出来好不好用”。这超越了单纯的序列分析,直指药物开发的核心关切:可开发性。 在抗体药物研发中,一个恒久的痛点是:序列漂亮,未必成药性好。聚集、疏水、热不稳定,任何一项都可能让候选分子止步临床前。 HCAbLM展现出的特性预测能力,意味着它有望在全人源HCAb的评估与优化中充当“预筛器”。 在湿实验之前,先在硅基世界里完成一轮淘汰赛。 诺纳生物的底气,来自其专有的Harbour Mice®技术平台。该平台可生成经典双重、双轻链(H2L2)和仅重链(HCAb)形式的全人源单克隆抗体,其中HCAb Harbour Mice®是全球首 个经过临床验证的全人源仅重链抗体技术平台。而HCAbLM的加入,让这一平台如虎添翼。 当Harbour Mice®平台、单B细胞筛选技术、NonaCarFx™文库筛选平台、Hu-mAtrIx™ AI药物发现平台以及端到端临床前服务被整合在一起,一条从“序列生成”到“候选分子”的智能化流水线已然成形。 AI制药的热潮中,真正稀缺的不是算法,而是高质量、大规模、有功能标注的专有数据。HCAbLM的竞争力,恰恰在于它扎根于一块别人难以复制的“数据土壤”。3180万条全人源HCAb序列,来自73只独立免疫的小鼠,这本身就是一道极高的壁垒。 当行业还在争论“AI能否真正理解生物学”时,和铂医药给出了一个务实的答案。 让AI先学会一门“方言”:仅重链抗体的序列语法。 这门方言的背后,是新一代变革性药物的无限可能。而读懂语法,只是开始;写出好句子,才是目的。
×