给大家推荐一篇发布在Nature Methods上的文章，文章标题“ImmunoMatch learns and predicts cognate pairing of heavy and light immunoglobulin chains”。文章的通讯作者是来自伦敦大学的Joseph C. F. Ng和Franca Fraternali。其中Joseph C. F. Ng课题组主要从事计算免疫学的研究。

轻重链的配对（H-L对）是抗体结构的重要一环，它不仅影响着体内B细胞的成熟，也影响着体外治疗性抗体的设计。过去几十年，越来越多的证据表明B细胞中H链和L链的选择存在特定规律。从结构上看，H-L对界面主要由抗体框架区域（Framework Region）的互作构成，同时也包含部分的CDR区互作。这些互作会影响轻重链的取向，进而影响抗体与抗原的结合。另外，与原始B细胞相比，成熟B细胞中H链对于L链具有更强的偏好性。如何挖掘H-L对结合特异性背后的分子规则，则成了设计稳定抗体的重要命题。本文，作者基于抗体语言模型AntiBERTa2，通过微调开发了ImmunoMatch，用于预测抗体中轻重链是否配对。

作者将此问题定义为一个二元分类任务。正样本由单细胞抗体库中抽样而得：那些具有相同细胞起源的H链和L链被视为配对链。考虑到无法配对的H-L链无法直接从实验数据获得（此情形下细胞不能存活），因此作者采用随机洗牌的策略构建“伪负”样本。由此共同构建得到具有233880对样本进行训练。在模型优化过程中，作者测试了不同序列信息、不同模型架构、不同语言模型的表现，最终得到模型具有约0.65的准确性。

作者探究了能否通过进一步划分任务改善模型表现。具体而言，人类抗体中使用两种类型的轻链（κ和λ），这两种链由人类基因组中不同染色体上的不同DNA片段编码，编码得到VL结构域具有显著差异。因此，作者将原有的H-L配对问题划分为H-κ和H-λ配对问题，并分别微调得到两个模型。最终，前者得到的模型在κ数据集上准确率可达0.817，后者可达0.764，均显著改善了原有模型的表现。

总而言之，本文作者基于抗体语言模型AntiBERTa2，通过微调开发了ImmunoMatch，用于预测抗体中轻重链是否配对。

本文作者：ZF

责任编辑：MB

DOI：10.1038/s41592-025-02913-x

原文链接：https://doi.org/10.1038/s41592-025-02913-x