基于生成式模型的抗体序列设计中的亲和力成熟与可开发性预测研究综述

基于生成式模型的抗体序列设计中的亲和力成熟与可开发性预测研究综述一、生成式模型在抗体序列设计中的应用范式抗体作为适应性免疫系统的核心效应分子，其可变区的互补决定区（CDR）序列多样性决定了与抗原结合的特异性与亲和力。传统杂交瘤技术与噬菌体展示平台存在筛选周期长、序列空间覆盖度不足等局限，生成式模型的出现为从头设计高特异性抗体提供了全新路径。目前主流的抗体生成式模型可分为三大类：自回归模型、扩散模型与基于能量的模型，三类模型分别适配不同的设计场景需求。自回归模型以ProtGPT2、IgLM为代表，通过学习天然抗体序列的统计分布规律，能够逐残基生成符合天然抗体折叠偏好的新序列。这类模型在全长抗体序列生成任务中表现突出，生成序列的可溶性表达概率较随机突变序列提升40%以上，但存在对CDR区局部结构约束考虑不足的问题，生成序列的抗原结合阳性率通常低于15%。扩散模型则以ProtDiff、AntiDPM为核心代表，通过逐步去噪的方式将随机噪声序列映射为符合结构约束的功能序列，能够在给定抗原表位三维结构的条件下，定向生成匹配表位空间构象的CDR序列。2024年斯坦福大学团队开发的AntiDPM模型在新冠病毒RBD靶点的抗体生成任务中，实现了37%的结合阳性率，较自回归模型提升了2倍以上。基于能量的模型通过建模序列-功能的映射关系，将亲和力、可开发性等指标转化为能量函数项，在生成过程中直接对多目标进行优化，代表模型包括ESM-IF与ABEnergy，这类模型的优势在于生成过程可解释性强，能够灵活整合各类实验约束条件，但采样效率较低，难以覆盖高维度的序列空间。当前生成式抗体设计的主流范式是“预训练-微调-定向筛选”三阶段流程：首先在百万级天然抗体序列库上进行模型预训练，学习抗体序列的进化保守性与折叠约束；随后在小样本靶点特异性抗体数据集上进行微调，引导模型向目标靶点的结合序列空间收敛；最后通过湿实验筛选获得初步阳性克隆，进入亲和力成熟阶段。这一范式将传统的“实验筛选优先”模式转变为“计算生成优先”模式，使抗体发现周期从平均6个月缩短至2-3个月，研发成本降低约60%。二、亲和力成熟的计算驱动优化策略亲和力是抗体药物核心质量属性之一，临床阶段抗体药物的KD值通常要求达到nM甚至pM级别，初始筛选获得的阳性克隆往往需要经过多轮亲和力成熟才能满足药用需求。传统的亲和力成熟依赖随机突变+噬菌体展示的定向进化策略，存在突变位点偏好性强、有益突变富集效率低等问题，计算驱动的亲和力成熟策略通过精准预测突变对结合自由能的影响，能够大幅提升成熟效率。目前基于生成式模型的亲和力成熟策略主要分为定向突变库设计与结合自由能精准预测两个方向。在定向突变库设计方面，生成式模型能够学习天然抗体亲和力成熟过程中的突变偏好模式，避开导致蛋白折叠破坏的有害突变位点。2023年麻省理工学院团队开发的AffiGen模型，通过分析上千对抗体成熟前后的序列差异，构建了CDR区突变概率分布模型，设计的突变库中有益突变占比达到28%，较传统易错PCR突变库提升了7倍。这类模型通常会结合结构生物学信息，将抗原-抗体复合物界面的氢键、疏水相互作用、π-π堆积等非共价相互作用作为约束条件，优先选择能够增强界面相互作用的突变位点。例如对于PD-1抗体的亲和力成熟，模型会优先考虑CDR3区与PD-1分子的F63、Y68等关键残基形成额外氢键的突变，单轮成熟即可使亲和力提升5-10倍。结合自由能预测是亲和力成熟的核心技术支撑，传统的分子动力学模拟方法计算成本极高，模拟一个突变体的结合自由能需要数周时间，无法满足大规模突变体筛选的需求。基于深度学习的自由能预测模型实现了效率与精度的平衡，目前主流的模型包括PBSA、DeltaDelta-GAN以及2024年DeepMind发布的AffinityNet。AffinityNet模型整合了蛋白质语言模型的序列嵌入信息与AlphaFold预测的复合物结构信息，在1200个实验验证的抗体突变体数据集上，预测结合自由能变化的皮尔逊相关系数达到0.85，计算速度较分子动力学模拟提升了4个数量级，能够在1小时内完成上万个突变体的虚拟筛选。2025年罗氏制药公开的研究数据显示，采用AffinityNet辅助的亲和力成熟流程，仅需2轮突变筛选即可将初始KD为120nM的HER2抗体优化至0.3nM，而传统定向进化方法通常需要4-6轮筛选。值得注意的是，亲和力成熟过程中普遍存在“亲和力-特异性”trade-off现象，单纯提升亲和力往往会导致抗体交叉反应性增强，甚至出现脱靶毒性。最新的研究通过在生成式模型的优化目标中引入多表位结合特异性惩罚项，能够在亲和力成熟的同时维持抗体的特异性。2024年剑桥大学团队开发的MultiOpt模型，在EGFR抗体成熟过程中同时优化对野生型EGFR的亲和力与对突变体EGFRvIII的特异性，最终获得的抗体亲和力提升18倍的同时，对野生型EGFR的交叉反应性降低了90%以上，有效解决了传统成熟策略的特异性损失问题。三、抗体可开发性预测的研究进展抗体药物的可开发性是指候选抗体满足生产工艺、制剂稳定性、体内安全性等成药要求的特性，约30%的临床前抗体候选物因可开发性问题在研发后期失败，造成大量的资源浪费。传统的可开发性评估依赖大量的湿实验表征，需要消耗大量纯化蛋白，且评估周期长达数月，基于人工智能的可开发性预测技术能够在序列设计阶段即可识别潜在的成药风险，大幅降低后期研发失败率。可开发性风险主要包括五大类：表达量低、聚集倾向高、化学不稳定、翻译后修饰位点风险、免疫原性风险。针对每一类风险，目前已经开发出对应的预测模型，且逐步从单指标预测向多指标联合评估方向发展。在表达量预测方面，基于蛋白质语言模型的DeepExp模型能够直接从抗体氨基酸序列预测其在CHO细胞中的表达水平，在工业界数据集上的预测准确率达到0.78，能够提前过滤掉表达量低于0.5g/L的低产序列。聚集倾向是最常见的可开发性风险，主要由抗体表面的疏水补丁介导，2023年赛诺菲团队开发的AggrePred模型，整合了表面疏水残基分布、电荷分布、可变区等电点等多维度特征，预测抗体聚集propensity的AUC值达到0.89，优于传统的基于结构的预测工具。化学稳定性预测重点关注脱酰胺、氧化、异构化等翻译后修饰位点，这类修饰会导致抗体活性下降甚至产生免疫原性。2024年默克公司公开的PTMPred模型，能够精准预测抗体序列中的天冬酰胺脱酰胺位点、甲硫氨酸氧化位点，预测准确率分别达到0.92和0.87，模型会优先对CDR区的高风险修饰位点给出突变建议，在不影响亲和力的前提下提升化学稳定性。免疫原性是抗体药物最重要的安全性风险之一，主要由序列中的T细胞表位和B细胞表位介导，传统的免疫原性预测依赖MHC结合亲和力预测，2025年发布的ImmunoGen模型首次整合了胸腺选择、T细胞受体识别、抗原呈递效率等多维度信息，预测抗体序列免疫原性风险的准确率较传统方法提升了35%，能够有效识别潜在的免疫原性热点位点。当前可开发性预测的研究前沿是多属性联合优化的生成式设计，即在抗体序列生成阶段就将各类可开发性指标作为约束条件，直接生成同时满足高亲和力与良好可开发性的序列。2024年NatureBiotechnology发表的研究显示，采用多目标优化生成式模型设计的PD-L1抗体，可开发性风险位点数量较传统筛选获得的抗体降低85%，细胞表达量达到3.2g/L，制剂在40℃条件下放置1个月的聚集率低于2%，各项可开发性属性均达到工业界最优标准。这类模型通常采用帕累托优化算法，在亲和力、表达量、稳定性、免疫原性等多个冲突目标之间寻找最优平衡点，避免了后期开发过程中顾此失彼的问题。四、当前挑战与未来发展方向尽管生成式模型在抗体设计领域已经取得突破性进展，但仍然面临三个核心挑战：首先是模型的泛化能力不足，对于孤儿靶点或者低同源性靶点，生成序列的结合阳性率会出现断崖式下降，主要原因是现有模型的训练数据集中这类靶点的已知结合抗体数量极少，难以学习到有效的序列模式。2025年出现的少样本抗体生成技术通过元学习策略，在仅提供3-5个已知结合序列的条件下，即可将生成阳性率提升至20%以上，是未来重要的发展方向。其次是可解释性不足，生成式模型往往作为“黑箱”使用，无法解释序列生成的决策逻辑，也难以定位影响亲和力与可开发性的关键残基，限制了后续的定向优化。近期发展的注意力机制可视化、因果推断等技术，正在逐步打开深度学习模型的“黑箱”，2024年GoogleDeepMind团队开发的可解释抗体设计平台，能够可视化展示生成序列中每个残基对结合自由能的贡献度，为实验人员的定向改造提供明确指导。第三是干湿实验闭环效率不足，当前计算预测结果与实验数据之间仍然存在偏差，约30%的计算预测高亲和力克隆在实验中无法验证，主要原因是训练数据的噪声以及对翻译后修饰、细胞内折叠过程等复杂因素的建模不足。构建干湿实验闭环的主动学习框架，将每一轮实验数据反馈回模型进行迭代优化，能够持续提升模型预测精度，2025年安进公司公开的主动学习抗体设计平台，经过3轮迭代后，模型预测准确率较初始版本提升了42%。未来3-5年，生成式抗体设计技术将向着三个方向发展：一是多模态模型的整合，将序列、结构、转录组、蛋白质组等多组学数据整合到模型中，实现从靶点发现到抗体设计的端到端流程；二是AI与自动化实验平台的深度融合，生成式