Geheimen van antilichaamsamenstelling ontcijferen met AI

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Tijdens dit unieke onderzoek wilden wetenschappers begrijpen of kunstmatige intelligentie gebruikt kon worden om te voorspellen hoe de binnenkant van antilichamen in het lichaam wordt geassembleerd. Antilichamen, die bestaan ​​uit ‘zware’ en ‘lichte’ eiwitketens, worden geproduceerd door B-cellen in het immuunsysteem en beschermen tegen virussen en bacteriën. Franca Fraternali, hoogleraar Integratieve Computationele Biologie aan het University College London, …

Geheimen van antilichaamsamenstelling ontcijferen met AI

Tijdens dit unieke onderzoek wilden wetenschappers begrijpen of kunstmatige intelligentie gebruikt kon worden om te voorspellen hoe de binnenkant van antilichamen in het lichaam wordt geassembleerd. Antilichamen, die bestaan ​​uit ‘zware’ en ‘lichte’ eiwitketens, worden geproduceerd door B-cellen in het immuunsysteem en beschermen tegen virussen en bacteriën.

Franca Fraternali, hoogleraar Integratieve Computationele Biologie aan het University College London, zei:

“Tot nu toe werd algemeen aangenomen dat de koppeling van zware en lichte ketens binnen antilichamen willekeurig plaatsvindt. Met Immunomatch laten we voor het eerst zien dat deze regeling in feite zeer specifiek is. Het begrijpen van deze koppelingsregels is cruciaal voor het voorspellen van de stabiliteit en prestatie van antilichamen en opent de deur naar de rationele ontwikkeling van effectievere therapieën.”

Om meer te weten te komen, ontwikkelden wetenschappers ImmunoMatch, gebaseerd op een antilichaamspecifiek taalmodel dat wordt toegepast op antilichaamsequenties van de zware en lichte keten, verzameld uit miljoenen individuele menselijke B-cellen. Het AI-model was in staat paringen van ketens te identificeren en te voorspellen, waardoor wetenschappers van onschatbare waarde inzicht kregen in hoe antilichamen combineren.

Het team toonde ook aan dat ImmunoMatch nauwkeurig antilichaamsequenties kan analyseren van immuuncellen die actief reageren op ziekten, waaronder die van hematologische kankers en B-cellen in solide tumoren. Deze bevindingen zouden het rationele ontwerp van nieuwe therapeutische antilichamen kunnen versnellen.

Professor Deborah Dunn-Walters, hoogleraar immunologie aan de Universiteit van Surrey, zei:

“Het gebruik van AI heeft ons geholpen te ontdekken dat de combinaties van ‘zware’ en ‘lichte’ ketens niet zo willekeurig zijn als we eerder dachten.

“Deze informatie stelt ons in staat de uit de natuur afgeleide regels te leren die bepalen hoe eiwitten worden gecombineerd om functionele antilichamen te vormen.”

"Antilichamen vormen de grootste klasse van moderne geneesmiddelen. Ongeveer een kwart van alle nieuw goedgekeurde geneesmiddelen zijn monoklonale antilichamen. Daarom is het van cruciaal belang voor het effectieve ontwerp ervan om te begrijpen hoe antilichamen worden geproduceerd."

Deze studie werd gepubliceerd in Nature Methods.


Bronnen:

Journal reference:

Guo, D.,et al. (2025). ImmunoMatch leert en voorspelt verwante paren van zware en lichte immunoglobulineketens. Natuurmethoden. doi: 10.1038/s41592-025-02913-x.  https://www.nature.com/articles/s41592-025-02913-x