DRUGONE
治疗性抗体的发现不仅需要获得较高的抗原结合亲和力,还需要同时满足靶标覆盖范围、结合特异性、可溶性和稳定性等多项要求。对于蛇毒抗毒治疗而言,这一挑战尤为突出,因为不同蛇种的毒素在序列和结构上存在差异,理想的重组抗毒抗体必须能够识别多个相关毒素,同时保持良好的中和活性和生物物理性质。传统抗体开发流程通常依赖多轮实验筛选和逐步优化,耗时且资源消耗较大。
为解决这一问题,研究人员开发了一种整合高通量酵母展示、深度测序、AlphaFold 3(AF3)复合物结构预测和计算优化的VHH纳米抗体发现框架。该方法以长链三指型α-神经毒素为研究对象,首先通过多重荧光酵母展示筛选具有不同结合特异性的VHH,再利用深度测序和互补决定区(CDR)序列聚类获得多样化候选。随后,通过AF3预测VHH–毒素复合物,并利用界面预测模板建模评分(ipTM)优选能够识别多个毒素保守表位的候选抗体。
结果表明,AF3对高置信度多毒素结合VHH具有较高的预测精确率。在基于酵母展示数据的评价中,多特异性预测的精确率达到0.93;独立结合实验进一步证实,高置信度预测具有较好的可靠性。研究人员还发现,多特异性VHH倾向于识别毒素中较为保守、且与乙酰胆碱受体结合位点重叠的表位。选取的5种VHH均能够以剂量依赖方式抑制两种毒素与受体结合。最后,研究人员利用结构指导的蛋白质语言模型和CamSol方法分别优化亲和力和可溶性,在保持广泛毒素结合能力的同时获得部分性能改善的VHH变体。该研究证明,将计算结构预测嵌入抗体发现早期阶段,可以在较少实验投入下同时推进候选筛选、表位识别和多属性优化,为开发广谱重组抗毒抗体以及其他治疗性抗体提供了一种可扩展的技术路线。

治疗性抗体已经广泛用于癌症、自身免疫性疾病和感染性疾病,但高质量抗体的发现仍然是一项复杂的多目标优化任务。候选抗体除了需要对目标抗原具有较高亲和力,还必须避免非特异性结合,并具有适合生产、储存和临床应用的生物物理性质。当治疗需要覆盖多个同源抗原时,如何兼顾广泛结合能力与功能活性将更加困难。
蛇咬伤中毒是这种挑战的典型应用场景。蛇毒包含多种具有不同生物学作用的毒素,不同蛇种的毒素组成也存在明显差异。传统抗蛇毒血清通常来源于动物免疫后的血浆,具有生产流程复杂、批次差异和潜在免疫原性等问题。重组抗体有望提供更加标准化的替代方案,但其开发必须解决不同蛇种毒素的交叉识别与广谱中和问题。
长链三指型α-神经毒素(long-chain α-neurotoxins,LNTxs)广泛存在于眼镜蛇和曼巴蛇等眼镜蛇科蛇类毒液中。这些毒素能够结合烟碱型乙酰胆碱受体(nAChR),阻断正常神经肌肉信号传递,最终导致肌肉麻痹和呼吸衰竭。尽管不同LNTx具有相似的整体蛋白质折叠,其氨基酸序列和局部表面结构仍然存在差异,因此能够同时识别多个LNTx的抗体具有重要的治疗价值。
VHH是来源于重链抗体可变结构域的单域抗体,也常被称为纳米抗体。与传统完整IgG相比,VHH分子量较小、结构相对简单,并具有潜在的稳定性和生产成本优势。然而,传统VHH发现流程仍然需要依次开展展示筛选、亲和力评价、表位分析和可开发性优化,难以高效处理大量具有不同结合特征的候选分子。
近年来,AF3显著改善了蛋白质复合物结构预测能力,使研究人员能够在缺乏实验复合物结构的情况下推测抗体与抗原的结合模式。但预测结构能否可靠识别真实结合抗体,以及能否用于筛选跨多个抗原的多特异性候选,仍然需要严格的实验验证。
基于这一背景,研究人员提出将高通量实验与结构预测直接整合,使AF3不再只是抗体筛选完成后的结构分析工具,而成为早期候选优选及后续多属性优化的重要组成部分。
方法
研究人员首先使用此前通过骆驼科动物免疫建立的VHH文库,并利用针对长链α-神经毒素设计的共识抗原(cLNTx)进行一轮噬菌体展示富集。随后,将富集文库转移至酵母展示平台,采用不同荧光标记的cLNTx、α-眼镜蛇毒素(αCbtx)和α-银环蛇毒素(αBgtx),通过荧光激活细胞分选(FACS)分别获得单毒素结合、多毒素结合及不结合的VHH群体。研究人员对不同分选群体进行深度测序,根据序列富集情况筛选候选,并通过CDR1–CDR3联合序列比对和层次聚类确保候选多样性。
在计算阶段,利用AF3预测候选VHH与不同毒素的复合物结构,并以ipTM大于0.8作为高置信度结合判据。通过比较预测结构与酵母展示结果,评价AF3对结合特异性的识别能力。研究人员进一步利用NanoBiT分体荧光素酶实验验证候选结合活性,通过乙酰胆碱受体阻断实验评估功能,并采用生物层干涉技术(BLI)测量结合动力学。最后,以19种高置信度多特异性VHH为基础,分别使用结构指导的蛋白质语言模型进行亲和力优化,以及CamSol进行可溶性优化,并通过实验评价变体的结合与表达性能。

图1|整合高通量展示筛选、深度测序、AlphaFold 3结构预测及计算优化的多特异性VHH发现流程。
结果
多重酵母展示与深度测序实现多特异性VHH高通量发现
研究人员首先建立结合噬菌体展示和多重酵母展示的实验筛选流程。初始VHH文库经过共识长链神经毒素cLNTx富集后,被转移至酵母表面表达。通过同时检测抗原结合信号和VHH展示水平,研究人员分别分离出cLNTx结合和不结合的VHH群体。
在第一轮筛选中,cLNTx结合群体的比例由8.75%提高至56.5%,而不结合但能够正常展示VHH的群体也得到明显富集。这一设计不仅能够获得阳性结合序列,还能收集具有对照价值的阴性序列,为后续模型评价提供更加完整的数据基础。
随后,研究人员使用两种不同荧光标记的毒素开展多特异性筛选。αCbtx与αBgtx在整体折叠上具有相似性,但结构差异明显,因此适合用于评价VHH能否同时识别不同毒素。
经过筛选后,αBgtx单特异性群体比例由0.093%增加至31.3%,αCbtx单特异性群体由7.74%提高至49.5%,而同时结合αBgtx和αCbtx的多特异性群体由1.29%提高至53.3%。这些结果表明,多重荧光酵母展示能够同时区分不同结合行为,并有效富集少量多特异性候选。
研究人员进一步对所有分选群体开展深度测序,利用阳性与阴性群体之间的相对富集程度过滤序列,再根据CDR1–CDR3序列相似性进行层次聚类。结果显示,不同筛选群体主要富集不同的CDR序列家族,说明多重筛选捕获了具有不同结合特征的抗体群体。通过在每个序列簇中保留多个代表性候选,研究人员能够在减少后续结构计算量的同时维持抗体序列多样性。

图2|基于多重酵母展示、荧光分选与深度测序的单特异性和多特异性VHH筛选。
AlphaFold 3能够高置信度预测VHH–毒素复合物
为验证AF3是否能够准确预测VHH与LNTx的结合结构,研究人员首先使用此前已通过X射线晶体学解析的C09–αCbtx复合物进行测试。由于该晶体结构在AF3训练数据截止日期之后才公开,因此可作为相对独立的结构验证案例。
结果显示,AF3预测复合物与实验结构高度一致,RMSD仅为0.902 Å,DockQ达到0.813,而且准确恢复了CDR3环的主要结合模式。这说明AF3能够在这一案例中较好地重建VHH–毒素界面。
研究人员进一步考察AF3能否识别C09对其他长链神经毒素的广泛结合能力,同时排除短链神经毒素和细胞毒素等非靶标。结果显示,所有预期结合的LNTx复合物均获得高于0.8的ipTM,而非靶标复合物则低于该阈值,提示ipTM可以用于候选结合优选。
随后,研究人员利用酵母展示和测序得到的候选序列开展更大规模评价。在cLNTx数据集中,178种VHH中有36种被AF3预测为高置信度结合,其中35种来自实验阳性群体,精确率达到0.97。在αBgtx/αCbtx数据集中,AF3对多特异性结合的精确率达到0.86,但对部分单特异性结合模式的识别明显较弱。
综合不同筛选数据集,AF3共识别出74种具有高置信度结合预测的独特VHH序列。对于多特异性预测,45个阳性判断中有42个与实验筛选一致,精确率达到0.93;相比之下,单特异性预测的总体精确率仅为0.33。
然而,这种高精确率伴随着较低召回率。多特异性和单特异性预测的召回率分别为0.24和0.18,说明大量真实结合VHH未能达到严格的ipTM阈值。因此,AF3更适合作为高精确率的候选优选工具,而不是完全替代实验筛选。

图3|AlphaFold 3预测VHH–神经毒素复合物的结构准确性及不同结合特异性的预测性能。
AF3结构预测揭示多特异性VHH的保守结合表位
在确认AF3高置信度预测具有较高实验一致性后,研究人员进一步利用复合物结构分析不同VHH的结合表位。对于cLNTx结合候选,研究人员识别出两个互不重叠的主要表位区域以及三类代表性结合模式。相比之下,αBgtx与αCbtx多特异性VHH主要集中于一个共同表位区域。单特异性VHH虽然可能识别相似的毒素表面区域,但其结合方向和界面接触方式与多特异性VHH存在差异。
进一步分析发现,多特异性VHH倾向于识别不同毒素之间更加保守的氨基酸区域。在多特异性VHH识别的表位中,67%的残基属于相同残基或保守替换,而单特异性VHH对应比例仅为52%;发生较大理化性质变化的残基比例则分别为18%和34%。
这一结果提示,多特异性并不简单来自VHH具有更大的结合界面,而可能与其优先识别不同毒素共同保留的功能性结构区域有关。
研究人员随后将预测表位与毒素结合乙酰胆碱受体的区域进行比较,发现多特异性VHH识别的主要表位与受体结合位点存在明显重叠。这意味着这些VHH不仅可能结合多个毒素,还可能通过竞争性阻断毒素与受体结合来发挥中和作用。
为了验证这一结构推断,研究人员使用分体荧光素酶方法测试62种VHH对三种毒素的结合。AF3在不同毒素上的预测精确率分别达到0.85–0.90,合并分析的精确率为0.87,但总体准确率仅为0.63,进一步体现了高精确率与低敏感度之间的权衡。
在功能实验中,研究人员选择5种覆盖不同CDR3序列的多特异性VHH,检测其对αCbtx和αBgtx结合人α7烟碱型乙酰胆碱受体的抑制效果。结果显示,所有5种VHH均表现出剂量依赖性抑制作用,支持AF3预测的受体重叠表位具有实际功能意义。这一发现将结构预测从单纯判断抗体是否结合抗原,进一步推进到预测结合表位是否与中和功能相关。

图4|AF3预测的VHH结合表位、实验结合验证及对神经毒素–乙酰胆碱受体相互作用的阻断。
结构指导的计算优化改善VHH亲和力和可溶性
在发现具有广泛毒素结合能力的VHH后,研究人员进一步探索能否利用AF3预测结构开展多属性优化。研究选择19种对αBgtx和αCbtx均具有高置信度结合结构的VHH,分别优化亲和力和可溶性。
对于亲和力优化,研究人员采用结构指导的蛋白质语言模型,根据VHH–毒素复合物提出潜在有益的单点突变。为了避免针对一种毒素优化而损害对另一种毒素的结合能力,研究人员分别对两种复合物进行预测,并仅保留预计同时有利于两个靶标的突变。
对于可溶性优化,则使用CamSol方法预测能够提高蛋白可溶性的氨基酸替换,并结合AF3结构排除直接参与抗原结合的表位互补区域,以降低突变损害结合活性的风险。两种方法产生的突变分布有所不同。亲和力优化突变较多位于抗体框架区FWR1和FWR3,而可溶性优化突变则相对富集于CDR3。这说明改善抗体性能并不一定需要直接改变结合界面,框架区中的远端突变也可能通过影响蛋白折叠或稳定性间接改善结合。
研究人员共测试37种CamSol设计和57种结构指导的亲和力优化变体。分体荧光素酶实验显示,部分亲和力优化变体的结合信号最高提高约4倍,其中约47%的设计改善了αCbtx结合信号,约46%改善了αBgtx结合信号。对于可溶性优化,约49%的CamSol变体表现出更高的表达信号,同时多数变体未明显损害对两种毒素的结合。
研究人员进一步通过BLI测量部分优化变体的真实结合亲和力。原始VHH已经具有较高亲和力,解离常数通常处于亚纳摩尔至低纳摩尔范围,因此继续改善的空间相对有限。例如,tp5_se2对αCbtx的解离常数由0.62 nM改善至0.40 nM,对αBgtx由4.35 nM改善至3.62 nM;tp12_se3对αBgtx由7.57 nM改善至6.20 nM,同时基本维持对αCbtx的亲和力。
这些结果说明,计算优化能够在一定程度上同时改善VHH性能并保留其多毒素结合能力。不过,分体荧光素酶信号并不能直接等同于结合亲和力,部分亲和力改善也较为有限,因此这些优化结果更适合作为结构指导多目标工程可行性的初步验证。

图5|基于AF3复合物结构的VHH亲和力与可溶性优化及实验验证。
讨论
本研究的主要贡献在于将传统抗体发现中相对独立的实验筛选、序列分析、结构预测和性能优化整合为统一流程。通过多重酵母展示,研究人员能够同时筛选不同毒素的单特异性和多特异性VHH;利用深度测序和序列聚类,可以在大规模候选中保留不同CDR家族;随后通过AF3高置信度复合物预测,进一步优选可能识别保守功能表位的候选。这种策略使结构信息能够更早参与抗体发现,而不必等待完整实验表征结束后再开展结构分析。
研究中最值得关注的发现是,AF3虽然无法检出所有真实结合VHH,却能够以较高精确率识别具有多毒素结合能力的候选。因此,AF3的实际价值并不在于完全取代展示筛选,而在于作为一种严格的结构优选工具,减少后续需要深入评价的抗体数量。尤其对于需要同时覆盖多个同源抗原的任务,复合物预测能够提供单纯序列富集和结合信号难以直接获得的表位信息。
研究还揭示,多特异性VHH倾向于识别毒素表面较为保守的功能区域,并且这些表位与乙酰胆碱受体结合位点重叠。后续受体阻断实验支持了结构预测所提出的功能假设,说明复合物预测不仅有助于发现结合抗体,也能够辅助判断哪些结合模式更有可能产生实际中和作用。
在多目标优化方面,研究人员利用结构指导的语言模型和CamSol分别改善亲和力及可溶性,并通过实验验证部分变体具有更好的结合或表达性能。这表明,在抗体发现早期引入复合物结构信息,可以为不同优化目标提供统一的结构基础,减少传统流程中各项指标依次优化所造成的时间和资源消耗。
不过,当前框架仍然存在局限。首先,AF3预测对严格ipTM阈值较为敏感,部分真实结合抗体无法获得高置信度结构,因此直接使用单一阈值可能遗漏具有开发价值的候选。其次,ipTM反映的是模型对界面预测的置信度,并不直接代表实际结合亲和力或结构正确性。最后,研究对象主要是结构相对紧凑的VHH和小型神经毒素,对完整IgG、柔性较大的抗原以及复杂蛋白相互作用体系的适用性仍需要进一步验证。
此外,研究虽然证实了部分VHH能够阻断毒素与受体结合,但尚不能仅凭这些体外结果推断其具有充分的体内保护作用。未来仍需开展更全面的毒素覆盖、药代动力学、安全性以及体内中和实验,才能进一步评价其作为重组抗毒治疗候选的实际潜力。
总体而言,该研究展示了实验高通量筛选与人工智能结构预测协同工作的优势,使VHH发现从传统的序贯筛选逐步转向结构指导的并行优选和多属性优化。该框架不仅适用于广谱抗蛇毒抗体开发,也为需要识别多个相关靶标、同时满足亲和力和可开发性要求的治疗性抗体发现提供了具有推广价值的技术思路。
整理 | DrugOne团队
参考资料
Max D. Overath et al. ,Multiobjective VHH discovery through integrated high-throughput screening and AlphaFold3-guided structural prioritization.Sci. Adv.12,eaef5325(2026).
DOI:10.1126/sciadv.aef5325

内容为【DrugOne】公众号原创|转载请注明来源
内容中包含的图片若涉及版权问题,请及时与我们联系删除



评论
沙发等你来抢