广谱中和抗体（broadly neutralizing antibodies, bnAbs）可高效中和新冠、艾滋病毒等高变异病原体的多种突变毒株，既是广谱抗病毒抗体药物的核心候选分子，也是广谱疫苗研发中诱导机体产生广谱免疫保护的重要理论依据。但这类抗体往往需要长期、多次的免疫刺激才能被筛选获得。现阶段的主流抗体挖掘手段，无论是传统杂交瘤筛选、噬菌体展示、抗原-抗体复合物结构解析技术，还是新兴的单B细胞分选技术，均依赖抗原表位聚焦提呈免疫与多轮实验反复迭代，不仅费时费力、成本高，且只能筛选经抗原免疫激活后的抗体，无法挖掘体内尚未接触抗原却天然具备广谱中和潜力的抗体。如何高效激活这类天然广谱中和抗体，一直是广谱疫苗研发领域亟待攻克的核心难题。

针对广谱中和抗体诱导产生、筛选发现难度大这一行业痛点，我院夏宁邵教授、李少伟教授、顾颖副教授团队提出“公共抗体克隆型”（public clonotypes）先验知识与序列级深度学习模型端到端融合的新策略，构建了一套人工智能驱动的抗体挖掘平台，并将其命名为ClonoDeep。所谓公共抗体克隆型，是指在不同个体中反复独立出现、共享IGHV/IGHJ基因组合且HCDR3结构高度相似的抗体类群，是人类免疫系统在共同病原压力下发生抗体趋同演化的体现。依托大规模健康人或患者队列的免疫组库测序数据，结合公共抗体克隆型特征开展深度学习分析，ClonoDeep能够绕开传统抗原依赖的抗体筛选路径，系统性挖掘免疫组库中的共性免疫特征，实现对候选抗体的功能潜力评估。

研究团队首先依托Cov-AbDab等抗体数据库完成模型训练，运用ClonoDeep筛选新冠病毒特异性抗体，系统解析和鉴定靶向RBD区域的公共抗体克隆型。研究人员将候选抗体重链与参考抗体轻链进行重组后，借助CNN-Transformer混合架构深度学习模型对候选抗体的中和活性开展预测评估，最终鉴定出的有效中和抗体阳性率高达83.3%，且展现出针对新冠病毒的广谱中和能力。团队进一步解析代表性抗体CT1-1、CT1-5与新冠S蛋白三聚体复合物的冷冻电镜结构，证实抗体重链HCDR3区域第107位组氨酸和第109位甘氨酸是该类克隆型实现广谱中和的关键氨基酸位点，为后续抗体分子理性改造、靶向广谱中和抗体的疫苗免疫原设计提供了分子结构依据。在此基础上，研究团队将HIV感染者免疫组库测序数据与已发表的HIV抗体数据集纳入模型，通过ClonoDeep准确识别出55类HIV-1相关公共抗体克隆型；在依托新冠病毒、HIV相关数据库完成模型深化训练后，研究团队利用该平台从非HIV感染者队列的免疫组库序列中预测出高分HIV中和抗体候选，并经实验验证成功率可达60%。其中HIV-CT2-1、HIV-CT2-2两款候选抗体展示出HIV-1假病毒广谱中和能力，提示HIV广谱中和抗体确实存在于非HIV暴露或免疫人群的基础免疫组库中。

ClonoDeep模型训练与工作流程图

综上，该研究成功搭建AI驱动的ClonoDeep抗体挖掘平台，将公共抗体克隆型的生物学先验知识与人工智能推理深度融合，依托海量免疫组库大数据，可在无需抗原免疫刺激的前提下完成功能性抗体的高效筛选，为抗体药物开发与广谱疫苗设计提供了新的技术工具与研究思路。

近日，该研究成果以题为“Public antibody clonotypes and deep learning identify SARS-CoV-2 and HIV broadly neutralizing antibodies in immune repertoires”的研究论文在线发表于《细胞·报告》（Cell Reports）。我院周立志副研究员、余智力、林书田和江雅楠为该论文的共同第一作者。我院夏宁邵教授、李少伟教授、顾颖副教授、俞海副教授、郑清炳高级工程师和周立志副研究员为该论文的共同通讯作者。该研究获得国家重点研发计划、国家自然科学基金、中央高校基本科研业务费专项资金、厦门市自然科学基金和传染病疫苗研发全国重点实验室自主研究基金等项目资助。

论文链接：https://doi.org/10.1016/j.celrep.2026.117582

（公共卫生学院）