抗体亲和力与表达的主动学习闭环
“实验室在环”（Lab-in-the-loop，LitL）框架结合候选生成、性质预测和排序，依据 4 轮体外实测更新抗体设计。
用途与模型
- 研究用途
- 针对 4 个治疗相关靶点优化抗体结合与表达，比较主动学习与已有变异的随机组合基线。
- 模型与细胞来源
- 11 种起始抗体针对表皮生长因子受体、白细胞介素 6、人表皮生长因子受体 2 及抑瘤素 M；10 种起点来自动物免疫，另 1 种为曲妥珠单抗，后续采用计算及体外优化。
- 方法版本
- 2025-11-08 bioRxiv 第 3 版预印本，首次 2025-02-24
- 实验形式
- 4 轮共 1800 余项候选设计，经过性质预测和过滤、主动学习排序，以体外表面等离子体共振（surface plasmon resonance，SPR）的结合测量及表达测量提供反馈。
材料与平台
- 性质与反馈
- 结合、表达实测；非特异性风险和部分可开发性由模型/规则预测，不均为逐分子独立实验。
- 主比较
- 至少 3 倍结合改善门槛；逐种子最佳设计及逐轮命中比例分开。
- 随机基线
- 5 种种子，以已有变异组合并匹配设计数量/变异负荷；未加入完整多性质约束。
测量指标与分析
- SPR 结合亲和力
- 表达产量
- 相对种子 3 倍改善命中比例
- 随机组合基线最佳改善
- 预测可开发性约束
分别评价已测结合、表达与模型预测风险；11 种起始抗体含 10 种动物免疫来源，后续优化证据来自计算和体外实验。
研究设计与结果
实验条件比较
- 研究设计
- 11 种子 4 靶点 4 轮，另 5 种子与随机组合基线比较。
- 测试范围
- 1800 余设计；11 种种子不是 11 名患者或独立治疗研究；随机比较 5 种种子。
- 参照体系
- 对应起始抗体、各轮设计及基于已有变异的随机组合。
- 研究结果
- 10/11 种子找到≥3 倍结合设计；3 倍设计占比约 2% 到>21%；随机基线在 2/5 种子取得最佳结合改善。
适用条件与研究局限
- 第 3 版预印本，未经同行评议。
- 随机对照未纳入完整的表达和可开发性约束，该比较主要评价结合性能。
- 非特异风险为代理预测，最佳设计有 1 项电荷范围例外。
- 无本研究候选细胞效力、体内安全或临床获益证明。
来源与原文
- Lab-in-the-loop therapeutic antibody design with deep learning原始研究 · bioRxiv · 2025-02-24