Dechifrering af antistofsammensætningens hemmeligheder med AI

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Under denne unikke undersøgelse ønskede forskerne at forstå, om kunstig intelligens kunne bruges til at forudsige, hvordan indersiden af ​​antistoffer er samlet i kroppen. Antistoffer, som består af "tunge" og "lette" proteinkæder, produceres af B-celler i immunsystemet og beskytter mod vira og bakterier. Franca Fraternali, professor i Integrative Computational Biology ved University College London, …

Dechifrering af antistofsammensætningens hemmeligheder med AI

Under denne unikke undersøgelse ønskede forskerne at forstå, om kunstig intelligens kunne bruges til at forudsige, hvordan indersiden af ​​antistoffer er samlet i kroppen. Antistoffer, som består af "tunge" og "lette" proteinkæder, produceres af B-celler i immunsystemet og beskytter mod vira og bakterier.

Franca Fraternali, professor i Integrative Computational Biology ved University College London, sagde:

"Indtil nu var det generelt antaget, at parringen af ​​tunge og lette kæder inden for antistoffer sker tilfældigt. Med Immunomatch viser vi for første gang, at dette arrangement faktisk er meget specifik. At forstå disse parringsregler er afgørende for at forudsige antistoffernes stabilitet og ydeevne og åbner døren til den rationelle udvikling af mere effektive terapier."

For at lære mere udviklede forskere ImmunoMatch, baseret på en antistof-specifik sprogmodel anvendt på tunge og lette kæder af antistofsekvenser indsamlet fra millioner af individuelle humane B-celler. AI-modellen var i stand til at identificere og forudsige parringer af kæder, hvilket gav forskerne uvurderlig indsigt i, hvordan antistoffer kombineres.

Holdet viste også, at ImmunoMatch nøjagtigt kan analysere antistofsekvenser fra immunceller, der reagerer aktivt på sygdom, herunder dem fra hæmatologiske kræftformer og B-celler i solide tumorer. Disse resultater kunne fremskynde det rationelle design af nye terapeutiske antistoffer.

Professor Deborah Dunn-Walters, professor i immunologi ved University of Surrey, sagde:

"Brugen af ​​kunstig intelligens hjalp os med at opdage, at kombinationerne af 'tunge' og 'lette' kæder ikke er så tilfældige, som vi tidligere troede.

"Denne information giver os mulighed for at lære de regler, der stammer fra naturen, der styrer, hvordan proteiner kombineres for at danne funktionelle antistoffer."

"Antistoffer er den største enkeltklasse af moderne lægemidler. Omkring en fjerdedel af alle nyligt godkendte lægemidler er monoklonale antistoffer. Derfor er forståelsen af, hvordan antistoffer produceres, afgørende for deres effektive design."

Denne undersøgelse blev offentliggjort i Nature Methods.


Kilder:

Journal reference:

Guo, D.,et al. (2025). ImmunoMatch lærer og forudsiger beslægtet parring af tunge og lette immunglobulinkæder. Naturens metoder. doi: 10.1038/s41592-025-02913-x.  https://www.nature.com/articles/s41592-025-02913-x