研究人员设计了一种新的方法来创建抗体库

2020年初，当COVID-19大流行导致当地公共图书馆关闭时，另一种图书馆不仅蓬勃发展，而且在抗击新型冠状病毒的斗争中发挥了至关重要的作用:抗体图书馆。

这些文库是发现和开发新疗法的宝贵工具，是用于研究和工业的基因工程抗体的集合，用于发现和开发针对病毒、癌症和其他疾病的疗法。就SARS-CoV2而言，抗体文库为研究人员提供了合成目前用于COVID-19疫苗的分子的蓝图。

虽然抗体文库在帮助发现新的治疗方法方面具有巨大潜力，但它们的实用性受到一些因素的限制，包括创建抗体文库所需的大量时间和费用，以及文库中包含的许多序列化学性质较差，需要重新设计才能用于治疗。

约翰霍普金斯大学的科学家和工程师团队设计了一种生成抗体库的新方法，不仅可以加快抗体生成过程，还可以加速治疗性候选抗体的发现，将适当免疫反应的风险降至最低，并使整个过程的成本和时间更低。他们的研究结果最近在bioRxiv预印本服务器。

“这些库通常是由工程师随机突变序列生成的。结果是，并不是产生的每一种抗体都能在体内发挥作用或表现良好。我们的方法是不同的:我们使用深度学习、人工智能模型来按需创建高质量的图书馆，”团队负责人杰弗里·格雷(Jeffrey Gray)说，他是约翰霍普金斯大学怀廷工程学院化学和生物分子工程系教授，也是纳米生物技术研究所的副研究员。

研究人员的创新是一种被他们称为免疫球蛋白语言模型(IgLM)的新工具，它是在一组5亿个真实的人类抗体序列上训练的，使研究人员能够有效、准确地预测和填补空白。它有能力采取现有的抗体序列和多样化的特定区域，潜在地允许创建抗体，类似于那些由免疫系统颠覆现有的质量控制问题。

由于该模型是在人类以外的物种上训练的，因此除了人类之外，它还可以用于为小鼠、灵长类动物和其他动物产生抗体。例如，SARS CoV2(导致COVID-19的病毒)在人类和猿身上表现不同，并且抗体库可以在两者之间快速切换。

“展望未来，我们希望与合作伙伴验证这种方法，以便更快地发现治疗性抗体，”团队成员杰弗里·鲁弗洛(Jeffrey Ruffolo)说，他是克里格艺术与科学学院托马斯·c·詹金斯生物物理系的博士候选人，也是约翰·霍普金斯大学-阿斯利康学者。“最终目标将 减少对大型文库的需求，并在实验室中按需合成特定抗体。”

Gray说，尽管该团队迄今为止的努力仅限于在计算机上创建抗体库，但他们正在寻找合作伙伴进行实验测试。

“我们相信IgLM有真正的希望，但我们需要一个合作者来实验地筛选我们的库抗体针对特定疾病，”他说。“原则上，我们可以做到这一点，但我们需要进一步的实验来证明。”