基于深度学习的肿瘤B细胞受体抗原结合亲和力分析预测免疫检查点抑制剂疗效

来自Song团队的研究人员开发了计算工具Cmai（对比抗原-抗体相互作用建模），通过高通量B细胞受体(BCR)测序数据解析肿瘤抗原与抗体的结合对，成功预测了免疫检查点抑制剂(ICI)治疗响应及免疫相关不良事件(irAEs)风险。该研究为肿瘤免疫治疗提供了新型生物标志物，揭示了irAEs中体液免疫对特定器官内源性抗原的靶向性响应。

　　

这项突破性研究构建了名为Cmai（contrastive modeling for antigen–antibody interactions）的人工智能模型，能够像"分子算命师"一样，从海量的B细胞受体(BCR)测序数据中精准预测抗体与肿瘤抗原的"相亲成功率"。研究人员发现，肿瘤内靶向抗原的抗体数量就像"免疫治疗晴雨表"，能准确预示患者对免疫检查点抑制剂(ICI)的反应。更有趣的是，当患者出现免疫相关不良事件(irAEs)时，B细胞会像"精准制导导弹"般特异性地攻击受累器官的细胞内抗原。基于此，团队开发的BCR风险评分系统，堪称"irAEs预警雷达"，可提前预测这些副作用的发生时机。这项技术将原本需要数月实验的抗体筛选过程压缩至计算机秒级运算，为个性化癌症免疫治疗装上了智能导航系统。