Dechiffrere hemmeligheter av antistoffsammensetning med AI

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Under denne unike studien ønsket forskerne å forstå om kunstig intelligens kan brukes til å forutsi hvordan innsiden av antistoffer er satt sammen i kroppen. Antistoffer, som består av «tunge» og «lette» proteinkjeder, produseres av B-celler i immunsystemet og beskytter mot virus og bakterier. Franca Fraternali, professor i integrativ beregningsbiologi ved University College London, ...

Dechiffrere hemmeligheter av antistoffsammensetning med AI

Under denne unike studien ønsket forskerne å forstå om kunstig intelligens kan brukes til å forutsi hvordan innsiden av antistoffer er satt sammen i kroppen. Antistoffer, som består av «tunge» og «lette» proteinkjeder, produseres av B-celler i immunsystemet og beskytter mot virus og bakterier.

Franca Fraternali, professor i integrativ beregningsbiologi ved University College London, sa:

"Inntil nå har det vært generelt antatt at sammenkoblingen av tunge og lette kjeder innenfor antistoffer skjer tilfeldig. Med Immunomatch viser vi for første gang at denne ordningen faktisk er svært spesifikk. Å forstå disse sammenkoblingsreglene er avgjørende for å forutsi stabiliteten og ytelsen til antistoffer og åpner døren for rasjonell utvikling av mer effektive terapier."

For å lære mer utviklet forskere ImmunoMatch, basert på en antistoffspesifikk språkmodell brukt på antistoffsekvenser med tunge og lette kjeder samlet inn fra millioner av individuelle menneskelige B-celler. AI-modellen var i stand til å identifisere og forutsi sammenkoblinger av kjeder, noe som ga forskere uvurderlig innsikt i hvordan antistoffer kombineres.

Teamet viste også at ImmunoMatch kan nøyaktig analysere antistoffsekvenser fra immunceller som reagerer aktivt på sykdom, inkludert de fra hematologiske kreftformer og B-celler i solide svulster. Disse funnene kan akselerere den rasjonelle utformingen av nye terapeutiske antistoffer.

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

"Bruken av AI hjalp oss med å oppdage at kombinasjonene av "tunge" og "lette" kjeder ikke er så tilfeldige som vi tidligere trodde.

"Denne informasjonen lar oss lære reglene fra naturen som styrer hvordan proteiner kombineres for å danne funksjonelle antistoffer."

"Antistoffer er den største enkeltklassen av moderne terapeutika. Rundt en fjerdedel av alle nylig godkjente terapier er monoklonale antistoffer. Derfor er det avgjørende å forstå hvordan antistoffer produseres for deres effektive design."

Denne studien ble publisert i Nature Methods.


Kilder:

Journal reference:

Guo, D.,et al. (2025). ImmunoMatch lærer og forutsier beslektet sammenkobling av tunge og lette immunoglobulinkjeder. Naturmetoder. doi: 10.1038/s41592-025-02913-x.  https://www.nature.com/articles/s41592-025-02913-x