LICHEN 实现基于重链和实验需求的轻链免疫球蛋白序列生成

为什么抗体部件配对重要

现代药物越来越依赖抗体——我们免疫系统用来识别威胁的Y形蛋白。药物开发者常常关注抗体的一条“臂”，称为重链，因为它变化最大并在识别疾病靶点方面起关键作用。但与之配对的轻链同样至关重要：如果轻链无法与重链良好配对，整个抗体可能失效或难以制造。本文介绍了LICHEN，一种计算工具，帮助科学家为选定的重链设计合适的轻链，加速更安全、更有效的抗体药物的开发。

用于抗体设计的数字化伙伴

LICHEN 是一个在数百万个人类天然抗体配对样本上训练的机器学习模型。给定一条重链的序列，模型会生成许多可能的轻链序列，这些序列在外观和行为上应当像真实的人类抗体。与其在实验室里随机构建文库并盲目测试，研究人员现在可以让LICHEN提出已经遵循人类免疫系统中模式的轻链，从而减少实验中的无谓工作。

确保建议看起来像人源序列

作者首先检查了LICHEN的建议是否类似真实的人类轻链。针对数百条重链，该工具生成了成批的候选轻链。用于识别抗体序列的独立软件确认几乎所有这些候选序列都是有效的轻链，被判定为人源并且可以进行结构建模。它们的长度和形状与自然界中观察到的相匹配，尤其是在末端灵活结合环的细节结构上，覆盖了广泛的变异，而不是收敛到少数常见解。

在保持重—轻关系的同时保证多样性

真实抗体的一个重要特征是重链和轻链在免疫反应过程中共同演化，伴随发生突变以改进对靶标的结合。作者证明了LICHEN学会了这种关系。当它为给定重链生成轻链时，两条链的突变数量往往相关，这与天然抗体的情况相似，而与随机配对的链不同。模型还会为天然的重—轻配对赋予更高的概率，而不是那些将轻链还原回原始未突变形式的人为组合。与此同时，LICHEN在序列空间中进行广泛探索，提出许多不同的轻链，而不仅仅是已知实例的近似复制品。

根据实验需求调整设计

除了简单配对之外，LICHEN 还允许研究者引入自己的约束。用户可以请求来自特定遗传家族的轻链，这些家族已知在实验室中表现良好，或避免那些与稳定性问题相关的家族。用户也可以锁定来自现有抗体的特定结合环——这些环被认为对识别靶标至关重要——同时允许轻链的其余部分被重新设计。在使用两个已获批抗体药物（阿达木单抗和帕博利珠单抗）进行的测试中，许多由LICHEN设计的轻链使抗体的表达与原始抗体相当或更佳。当关键结合环被保留时，大多数重新设计的抗体仍能强烈结合其目标。

这对未来抗体药物意味着什么

对非专业读者来说，结论是LICHEN像一个智能的配对器，连接抗体的不同部分。它从人类免疫系统中学习重链与轻链自然配对的方式，然后利用这些知识提出新的、类人化的组合，实验室可以轻松生产和测试。通过在真实感、多样性和用户定义约束之间取得平衡，LICHEN 为计算设计与实验台实验之间提供了实用的桥梁，帮助缩短从初始抗体构想到行为良好的候选治疗分子的路径。

引用: Capel, H.L., Ellmen, I., Murray, C.J. et al. LICHEN enables light-chain immunoglobulin sequence generation conditioned on the heavy chain and experimental needs. Commun Biol 9, 468 (2026). https://doi.org/10.1038/s42003-026-09727-3

关键词: 抗体设计, 机器学习, 治疗性抗体, 蛋白质工程, 免疫系统