Az antitest-összetétel titkainak megfejtése mesterséges intelligencia segítségével

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Az egyedülálló tanulmány során a tudósok azt akarták megérteni, hogy a mesterséges intelligencia felhasználható-e annak előrejelzésére, hogy az antitestek belsejében miként gyűlnek össze a szervezetben. A „nehéz” és „könnyű” fehérjeláncokból álló antitesteket az immunrendszer B-sejtjei termelik, és védelmet nyújtanak a vírusok és baktériumok ellen. Franca Fraternali, a University College London integratív számítási biológia professzora…

Az antitest-összetétel titkainak megfejtése mesterséges intelligencia segítségével

Az egyedülálló tanulmány során a tudósok azt akarták megérteni, hogy a mesterséges intelligencia felhasználható-e annak előrejelzésére, hogy az antitestek belsejében miként gyűlnek össze a szervezetben. A „nehéz” és „könnyű” fehérjeláncokból álló antitesteket az immunrendszer B-sejtjei termelik, és védelmet nyújtanak a vírusok és baktériumok ellen.

Franca Fraternali, a University College London integratív számítási biológia professzora elmondta:

"Eddig általánosan feltételezték, hogy az antitesteken belül a nehéz és könnyű láncok párosítása véletlenszerűen történik. Az Immunomatch segítségével először mutatjuk meg, hogy ez az elrendezés valójában nagyon specifikus. A párosítási szabályok megértése kulcsfontosságú az antitestek stabilitásának és teljesítményének előrejelzéséhez, és megnyitja az ajtót a hatékonyabb terápiák ésszerű fejlesztése előtt."

További információért a tudósok kifejlesztették az ImmunoMatch-et, amely egy antitest-specifikus nyelvi modellen alapul, amelyet több millió egyedi emberi B-sejtből gyűjtött nehéz és könnyű lánc antitest-szekvenciákra alkalmaztak. Az AI-modell képes volt azonosítani és megjósolni a láncok párosítását, így a tudósok felbecsülhetetlen értékű betekintést kaptak az antitestek kombinálódásába.

A csapat azt is kimutatta, hogy az ImmunoMatch pontosan tudja elemezni a betegségekre aktívan reagáló immunsejtek antitest-szekvenciáit, beleértve a hematológiai rákos megbetegedések és a szolid tumorok B-sejtjeinek antitest-szekvenciáit. Ezek az eredmények felgyorsíthatják az új terápiás antitestek ésszerű tervezését.

Deborah Dunn-Walters professzor, a Surrey Egyetem immunológiai professzora elmondta:

„A mesterséges intelligencia használata segített felfedezni, hogy a „nehéz” és „könnyű” láncok kombinációi nem olyan véletlenszerűek, mint korábban gondoltuk.

"Ez az információ lehetővé teszi számunkra, hogy megtanuljuk a természetből származó szabályokat, amelyek szabályozzák, hogy a fehérjék hogyan kombinálódnak funkcionális antitestek képzésére."

"Az antitestek a modern terápiás szerek legnagyobb csoportját alkotják. Az újonnan jóváhagyott terápiás szerek körülbelül egynegyede monoklonális antitest. Ezért az antitestek termelésének megértése kulcsfontosságú a hatékony tervezésükhöz."

Ez a tanulmány a Nature Methodsban jelent meg.


Források:

Journal reference:

Guo, D.,et al. (2025). Az ImmunoMatch megtanulja és megjósolja a nehéz és könnyű immunglobulinláncok rokon párosítását. Természeti módszerek. doi: 10.1038/s41592-025-02913-x.  https://www.nature.com/articles/s41592-025-02913-x