抗体发现领域正在经历一场变革。传统技术虽然基础，但常常引入偏差，或忽略了具有强大治疗潜力的候选分子。新一代筛选策略正在显著提高通量和准确性。本文探讨了从深度测序到基于液滴的功能性分析等前沿方法，并强调了人工智能如何被整合以优化“命中”选择和预测可开发性。
新一代抗体筛选的核心趋势
-
超越传统亲和力：仅仅测量抗体与抗原的结合强度（亲和力）已不足以筛选出最佳候选药物。功能性筛选和可开发性评估变得同等重要。
-
高通量与单细胞分辨率：新技术能够在单细胞水平上对数百万个B细胞或抗体变体进行平行筛选，大大加快了发现进程。
-
人工智能的整合：AI模型被用于预测抗体特性（如稳定性、聚集倾向、免疫原性），指导文库设计和优化“命中”抗体。
关键技术进展
| 技术领域 | 核心方法 | 主要优势 |
|---|---|---|
| 单细胞分析 | 微流控、液滴分选、单细胞测序 | 直接获取单个B细胞的重链/轻链配对信息，保留天然抗体库多样性 |
| 下一代测序 | 深度测序、谱系分析 | 大规模并行分析抗体库，识别稀有的、高功能性的克隆 |
| 功能筛选 | 基于细胞的功能测定、荧光激活细胞分选 | 直接在活细胞水平筛选影响信号通路、细胞增殖或病毒入侵的抗体 |
| 可开发性评估 | 人工智能预测模型、高温稳定性、聚集倾向测试 | 在研发早期识别具有良好成药性（如高表达、低聚集、低免疫原性）的候选分子 |
| 人工智能驱动 | 机器学习、深度学习、结构预测 | 预测抗体-抗原结合模式、优化亲和力和选择性、指导亲和力成熟 |
创新筛选流程示例
一个典型的现代抗体筛选流程可能包括：
-
文库构建：通过免疫动物、康复期患者B细胞或合成文库获取抗体基因。
-
高通量表达：在微流控液滴或无细胞系统中快速表达抗体。
-
功能筛选：使用基于荧光共振能量转移或生物发光的生物传感器，在液滴中直接筛选阻断蛋白-蛋白相互作用的抗体。
-
单细胞测序：对阳性液滴中的B细胞进行测序，获得配对的重链和轻链序列。
-
人工智能优化：利用AI模型预测突变对亲和力和稳定性的影响，进行计算机模拟的亲和力成熟。
-
可开发性验证：对候选抗体进行表达、纯化、热稳定性、聚集倾向和非特异性结合测试。
专家观点（根据文章提及的专家）
-
Brandon DeKosky博士（麻省理工学院化学工程系副教授，Ragon研究所核心成员）：专注于开发高通量单细胞平台，用于大规模分析适应性免疫，加速生物药发现和识别具有所需功能活性的精准抗体。
-
Klaus Eyer博士（奥胡斯大学助理教授）：其团队专注于开发新颖的分析策略，以单细胞分辨率直接、定量、深表型地分析细胞功能。
-
Philipp Holliger博士（MRC分子生物学实验室项目负责人）：其研究旨在更好地理解塑造遗传系统的基本原理和化学逻辑，对RNA聚合酶和体外翻译的工程化研究为抗体筛选开辟了新途径。