Geheimnisse der Antikörper-Zusammensetzung mit KI entschlüsseln

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Während dieser einzigartigen Studie wollten Wissenschaftler verstehen, ob künstliche Intelligenz genutzt werden könnte, um vorherzusagen, wie das Innere von Antikörpern im Körper zusammengesetzt wird. Antikörper, die aus „schweren“ und „leichten“ Proteinketten bestehen, werden von B-Zellen im Immunsystem produziert und schützen vor Viren und Bakterien. Franca Fraternali, Professorin für Integrative Computational Biology am University College London, …

Geheimnisse der Antikörper-Zusammensetzung mit KI entschlüsseln

Während dieser einzigartigen Studie wollten Wissenschaftler verstehen, ob künstliche Intelligenz genutzt werden könnte, um vorherzusagen, wie das Innere von Antikörpern im Körper zusammengesetzt wird. Antikörper, die aus „schweren“ und „leichten“ Proteinketten bestehen, werden von B-Zellen im Immunsystem produziert und schützen vor Viren und Bakterien.

Franca Fraternali, Professorin für Integrative Computational Biology am University College London, sagte:

„Bisher ging man allgemein davon aus, dass die Paarung schwerer und leichter Ketten innerhalb von Antikörpern zufällig erfolgt. Mit Immunomatch zeigen wir zum ersten Mal, dass diese Anordnung tatsächlich hochspezifisch ist. Das Verständnis dieser Paarungsregeln ist entscheidend für die Vorhersage der Stabilität und Leistung von Antikörpern und öffnet die Tür für die rationale Entwicklung wirksamerer Therapeutika.“

Um mehr zu erfahren, entwickelten Wissenschaftler ImmunoMatch, basierend auf einem antikörperspezifischen Sprachmodell, das auf Antikörpersequenzen der schweren und leichten Kette angewendet wurde, die aus Millionen einzelner menschlicher B-Zellen gesammelt wurden. Das KI-Modell war in der Lage, Paarungen von Ketten zu identifizieren und vorherzusagen, was Wissenschaftlern einen unschätzbaren Einblick in die Kombination von Antikörpern verschaffte.

Das Team zeigte außerdem, dass ImmunoMatch Antikörpersequenzen von Immunzellen, die aktiv auf Krankheiten reagieren, einschließlich solcher von hämatologischen Krebsarten und B-Zellen in soliden Tumoren, genau analysieren kann. Diese Erkenntnisse könnten das rationale Design neuer therapeutischer Antikörper beschleunigen.

Professor Deborah Dunn-Walters, Professorin für Immunologie an der University of Surrey, sagte:

„Der Einsatz von KI hat uns dabei geholfen, herauszufinden, dass die Kombinationen von ‚schweren‘ und ‚leichten‘ Ketten nicht so zufällig sind, wie wir bisher dachten.

„Diese Informationen ermöglichen es uns, die aus der Natur abgeleiteten Regeln zu lernen, die bestimmen, wie Proteine ​​​​zur Bildung funktioneller Antikörper kombiniert werden.“

„Antikörper sind die größte Einzelklasse moderner Therapeutika. Rund ein Viertel aller neu zugelassenen Therapeutika sind monoklonale Antikörper. Daher ist es für ihr wirksames Design von entscheidender Bedeutung, zu verstehen, wie Antikörper hergestellt werden.“

Diese Studie wurde in Nature Methods veröffentlicht.


Quellen:

Journal reference:

Guo, D., et al. (2025). ImmunoMatch learns and predicts cognate pairing of heavy and light immunoglobulin chains. Nature Methods. doi: 10.1038/s41592-025-02913-x. https://www.nature.com/articles/s41592-025-02913-x