在癌症治疗领域，免疫疗法，特别是免疫检查点抑制剂（ICI），为无数患者带来了新的希望。然而，并非所有患者都能从这类疗法中获益，且部分患者可能面临免疫相关不良事件（irAEs）的风险。如何精准预测治疗效果并提前识别风险，一直是困扰临床医生和科研人员的难题。传统的抗原-抗体相互作用研究方法通量低、效率慢，难以满足个性化治疗的需求。
为了攻克这一挑战，德克萨斯大学的王涛、David E. Gerber和黄俊州团队取得了突破性进展。他们成功开发了一款名为Cmai的AI模型，该模型利用深度学习技术，实现了对B细胞受体（BCR）与抗原结合的高通量预测。这项具有里程碑意义的研究成果，已于2025年6月27日以“Profiling antigen-binding affinity of B cell repertoires in tumors by deep learning predicts immune-checkpoint inhibitor treatment outcomes”为题，在国际顶尖期刊《Nature Cancer》上发表。
Cmai模型：深度学习赋能抗原-抗体预测
Cmai模型的核心在于其创新的双分支神经网络架构。其中，一个分支专门处理B细胞受体（BCR）序列，另一个分支则负责解析抗原特征。通过采用对比学习框架，Cmai巧妙地将复杂的抗原-抗体结合预测问题转化为一个排序问题，有效克服了传统方法对负样本数据的高度依赖。模型在包含数百万抗原-抗体对的大规模数据集上进行训练，这使得其预测精度得到了显著提升。
图1：Cmai：利用深度学习从海量测序数据中预测抗原与抗体的结合
Cmai的卓越性能与广泛验证
研究团队对Cmai模型进行了严谨的系统测试，在12个独立的验证集上，Cmai的平均AUROC（受试者工作特征曲线下面积）高达0.91±0.04，这一表现显著优于DeepAb、NetMHCIIpan等现有工具。特别是在预测新冠病毒刺突蛋白抗体结合方面，Cmai成功识别出85%的已知中和抗体，充分证明了其强大的泛化能力。交叉验证实验也进一步证实，即使面对前所未见的抗原类型，Cmai依然能保持稳定的预测性能。
图2：Cmai在公共数据集上的验证
此外，通过丙氨酸扫描实验验证，Cmai预测的结合界面关键残基与实验确定的临界残基重合率高达72%。模型特征的可视化分析显示，Cmai能够自动识别抗原表面的构象表位，尤其对疏水核心区域的敏感度达到了单氨基酸分辨率，这为未来靶向药的理性抗体设计提供了可靠的计算机辅助工具。
图3：Cmai识别抗原-抗体结合界面的关键残基
Cmai在肿瘤免疫治疗中的应用：预测治疗效果
Cmai模型在肿瘤免疫治疗领域的应用前景广阔。研究团队对TCGA（癌症基因组图谱）多癌种数据进行了系统分析，首次量化了B细胞受体（BCR）对自体肿瘤抗原的靶向强度。在高级别浆液性卵巢癌患者中，研究证实BCR结合评分与患者生存期呈显著正相关，这为预测免疫检查点抑制剂的治疗效果提供了新的生物标志物。
研究还发现，不同癌种的新抗原存在明显的组织特异性免疫原性差异。在PD-L1高表达的免疫“热”肿瘤中，Cmai识别出特征性的BCR克隆扩增模式，这些克隆的互补决定区（CDR3）显示出独特的酪氨酸富集特征，为深入理解肿瘤微环境中B细胞的抗肿瘤机制提供了全新视角。
图4：Cmai检测癌症患者肿瘤浸润B细胞对肿瘤抗原的靶向作用
Cmai在免疫相关不良事件（irAEs）预警中的价值
除了预测治疗效果，Cmai模型在免疫检查点抑制剂治疗过程中，对免疫相关不良事件（irAEs）的预警也展现出巨大潜力。通过动态追踪治疗过程中自身抗体的演变规律，Cmai建立的毒性风险评分系统达到了0.79的预测准确率（AUC）。
研究发现，接受CTLA-4抑制剂治疗的患者，其抗甲状腺过氧化物酶（TPO）抗体水平较基线显著升高，且抗体亲和力成熟程度与毒性严重度密切相关。高风险组患者的BCR体细胞高频突变（SHM）数量显著多于低风险组，这些发现为临床毒性预警提供了可靠的生物标志物，有助于医生更早地识别并管理潜在的副作用。
图5：Cmai解读ICI治疗毒性反应期间的自身抗体动态
结语：Cmai如何推动精准癌症免疫治疗
这项研究通过开发Cmai这一创新的抗原-抗体相互作用预测模型，为癌症免疫治疗领域提供了突破性的研究工具。Cmai成功解决了传统抗体检测技术成本高、通量低的瓶颈问题，使得大规模的免疫组学数据分析成为可能。
研究发现，基于Cmai构建的BCR抗原结合亲和力图谱不仅能精准预测免疫检查点抑制剂的治疗效果，还揭示了免疫相关不良事件（irAEs）发生时体液免疫对特定器官抗原的靶向性特征。更重要的是，研究团队建立的基于BCR的irAE风险评分系统为临床提供了可靠的毒性预警指标。这些发现不仅深化了我们对抗肿瘤免疫应答机制的理解，也为个体化免疫治疗策略的开发奠定了重要基础。对于正在寻求先进靶向药治疗方案的癌症患者而言，这类前沿的AI问诊和精准预测技术，无疑为选择最适合的治疗路径提供了科学依据，也为海外购药等个性化需求提供了更明确的方向。Cmai研究在方法学创新和临床转化价值方面均具有显著意义，为肿瘤免疫治疗的精准化发展开辟了新途径。
