Immunity

伊利诺伊大学香槟分校Nicholas Wu课题组在Immunity在线发表了题为An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies的研究成果。该研究中从发表文献和专利中挖掘整理了5,561种针对流感Hemagglutinin（HA）蛋白的人抗体。

通过分析这些HA抗体，该团队识别出了常见的序列特征， 并在此基础上，进一步开发了一种基于七个特异性类别（包括HA头部（head）和茎部（stem）） 结构的记忆B细胞语言模型（mBLM）用于抗体特异性预测。通过对mBLM的解释性分析表明，在特异性预测过程中，有趣的发现语言模型能够识别关键的结合位点以及体细胞突变（somatic hypermutation）。

此外，其团队应用mBLM在HA抗体库中进一步确认可识别HA stem的抗体，并通过实验验证了这些抗体的有效功能性。Hemagglutinin（HA）作为流感病毒的主要抗原，其茎部域具有高度保守的特性。AI 模型的应用能够极大促进新流感病毒抗体的发现和表征，对开发通用的流感治疗方法和疫苗具有重要意义。