基于结构驱动计算流程的全新抗体设计方法实现表位特异性抗体从头开发

《Nature Communications》:De novo design of epitope-specific antibodies via a structure-driven computational workflow

【字体: 大 中 小 】 时间:2025年12月11日 来源:Nature Communications 15.7

编辑推荐:

  本研究针对传统抗体发现方法耗时且难以精准靶向特定表位的瓶颈,开发了名为tFold System的结构驱动计算工作流。该系统整合了抗体结构预测(tFold-Ab)、抗体-抗原复合物建模(tFold-Ag)、结构引导虚拟筛选和从头抗体设计功能,成功针对流感血凝素(Flu A)、PD-1、PD-L1和SARS-CoV-2 RBD(SC2RBD)四种治疗相关抗原设计了表位特异性抗体。实验验证显示设计抗体达到纳摩尔至皮摩尔级结合亲和力,并表现出精确的表位靶向能力。该研究为加速治疗性抗体开发提供了高效的计算-实验联合平台。

  
在生物医学研究和治疗性抗体开发领域,准确预测抗体-抗原复合物结构一直是个重大挑战。与传统蛋白质相比,抗体结构预测和设计的进展相对缓慢,抗体发现仍然依赖于耗时的动物免疫或文库筛选方法。这些传统方法不仅流程繁琐,还难以获得针对特定抗原表位的抗体,而表位特异性对于治疗性抗体的功能至关重要。
近期高通量B细胞测序技术产生了大量数据,为数据驱动的抗体研究奠定了基础。虽然计算抗体设计方法快速发展,包括互补决定区(CDR)移植、基于能量的序列设计、抗体逆折叠等技术,但真正的从头抗体设计进展仍然有限。理想的全新抗体设计应该能够靶向任何抗原序列的特定表位,在给定框架区(FR)的基础上设计CDR,同时保持FR的完整性,从而产生高亲和力、功能性强、可开发的表位特异性抗体。
发表在《Nature Communications》的这项研究提出了tFold System,这是一个用于快速准确建模和设计抗体-抗原复合物的计算工作流,能够从头设计高亲和力、功能性强、可开发的表位特异性抗体。
研究人员采用的主要技术方法包括:基于Transformer的结构预测模块、蛋白质语言模型(ESM-PPI)、表面等离子共振(SPR)亲和力测定、竞争性结合实验、噬菌体展示文库筛选,以及使用来自SAbDab、OAS等数据库的抗体序列和结构数据进行模型训练和验证。
tFold System用于从头抗体设计
tFold System是一个解决从头抗体设计关键挑战的计算工作流,通过结合基于序列的生成建模和结构感知过滤,实现端到端的抗体生成。系统接受三个输入:抗原序列、指定表位和已知抗体FR模板,动态"填充"未知的CDR部分,同时共同预测抗体-抗原复合物结构。系统包含两个核心模块:生成器通过随机种子采样产生大量候选抗体,过滤器进行结构引导的虚拟筛选。
tFold System可设计高亲和力抗体
研究人员针对四个靶点设计抗体:Flu A、PD-1、PD-L1和SC2RBD。选择标准平衡了病毒致病相关性(Flu A、SC2RBD)和治疗重要性(PD-1、PD-L1)。使用人源化FR(人种系:IGHV3-23/IGKV1-5),因其在稳定性、表达产量和抗聚集性方面的优势。SPR测量显示,大多数设计抗体达到纳摩尔级亲和力,其中最佳PD-L1抗体达到45 pM的皮摩尔级KD值。序列新颖性分析证实这些抗体与已知抗体有明显差异,证明tFold System能够针对已有充分表征的靶点生成创新抗体。
tFold System可设计靶向特定表位的多样化抗体
与抗体工程不同,从头抗体设计产生具有显著变异性的候选抗体,特别是在CDR-H3区域。结构预测模型验证了这些计算设计的抗体特异性结合在PD-1/PD-L1相互作用界面,突出了结构驱动计算工作流的有效性。竞争实验证实设计抗体能够有效阻断抗原与其受体或配体的结合,例如PD-1和PD-L1抗体完全阻断了PD-1/PD-L1连接,SC2RBD抗体表现出与ACE2的竞争结合能力。
tFold-Ab:快速准确的抗体结构预测
tFold-Ab是tFold System中负责预测抗体结构的组件,能够从氨基酸序列独立生成高分辨率、原子级别的3D抗体结构。tFold-Ab包含四个主要模块:预训练蛋白质语言模型(ESM-PPI)、特征更新模块(Evoformer-Single堆栈)、结构模块和回收模块。通过使用ESM-PPI代替传统的基于MSA的方法提取共进化信息,tFold-Ab实现了抗体结构预测的最先进计算效率,比AlphaFold-Multimer快5000倍。
tFold-Ag:快速建模抗体-抗原复合物结构
tFold-Ag是Fold System中用于抗体-抗原复合物预测的组件,包含三个主要部分:抗体特征生成单元、抗原特征生成单元和表示驱动的柔性对接单元。与AlphaFold-3相比,tFold-Ag在预测精度上略有落后,但提供了显著优化的计算速度,比基于MSA的结构预测方法快10倍以上。当提供额外的结构约束信息时,tFold-Ag的性能显著提升。
结构引导的虚拟筛选结合抗体
在治疗性抗体开发的早期阶段,主要目标是从通过动物免疫或噬菌体展示技术获得的候选物中选择高亲和力结合剂。tFold-Ag模型通过分析预测的置信度分数来评估抗体的结合潜力,这些分数指示强结合相互作用的可能性。虚拟筛选实验证明tFold-Ag能有效区分结合和非结合抗体-抗原对。
联合抗体结构预测和序列恢复
除了结构预测,tFold System还实现了序列恢复作为从头抗体设计的关键组成部分。研究人员将tFold-Ag扩展为多任务框架,整合了两个模块:用于抗体-抗原复合物建模的结构预测头和用于掩蔽残基重建的序列恢复头。这种方法确保了生成的抗体在序列和结构角度都适用,支持各种先验输入类型。
研究讨论部分指出,尽管当前生成功能性抗体结合剂的成功率仍然不高(约1.5%至4.4%),这与专门的抗体设计平台普遍存在的低成功率相一致。tFold System的关键局限性在于其区分真实结合剂和非结合剂的判别能力不足,且目前仅限于设计针对单体抗原的抗体。然而,tFold System展示了变革性潜力,成功设计的抗体表现出纳摩尔至皮摩尔级亲和力、表位特异性结合和功能性配体阻断能力,这些都是治疗开发的关键里程碑。
该研究的重要意义在于,tFold System超越了其作为结构预测工具的原始角色,成为一个用于抗体创新的多功能平台。通过系统映射抗体-抗原相互作用景观,它能够合理探索序列-结构-功能关系。未来预测精度的进步,结合虚拟筛选和迭代优化协议,可能使tFold System成为加速结构生物信息学和治疗性抗体工程发现的不可或缺引擎。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号