近期在Journal of Neuroinflammation上发表的一篇论文，完整呈现了一套AI驱动的纳米抗体设计技术栈，论文中anti-VSIG2 VHH纳米抗体的筛选由**合肥科晶生物技术有限公司**完成。本文从技术角度拆解这条管线。
原文链接：https://doi.org/10.1186/s12974-025-03645-7
技术栈一览
科晶纳米抗体设计技术流程
靶标建模：AlphaFold 3 + Rosetta
抗体生成：IgGM生成式基础模型
粗筛：MegaDock（快速蛋白-蛋白对接）
精筛：HDock（基于模板+自由对接）
结构验证：AlphaFold 3（pTM + ipTM）
表达验证：HEK-293F表达系统 + Protein G纯化
各环节技术细节
研究核心机制
- 靶标结构准备
靶标蛋白为人VSIG2（UniProt Q96IQ7）。AlphaFold 3建模pLDDT=0.92，再用Rosetta做能量最小化优化。pLDDT>0.9意味着模型主链结构高度可信，适合作为对接受体。
- IgGM纳米抗体设计
IgGM是一个抗体/纳米抗体设计的生成式模型。本文档场景中的使用方式：
-
框架区：骆驼源IGHV1S1*01/IGHV1S5胚系基因
-
文库多样性：1x10^8
-
CDR设计：CDR1（15 aa）、CDR2（16 aa）、CDR3（12-16 aa），三区完全随机化
-
单次生成：500条候选VHH序列
IgGM核心能力包括：从头设计（de novo）、基于表位的逆向设计、亲和力定向进化、3D结构预测、人源化。在本案例中主要使用了从头设计+逆向设计模式。
- 三级虚拟筛选
第一级 - MegaDock粗筛：MegaDock是快速蛋白对接工具，适合大规模初筛。500条候选序列全部过一遍，取Top200。
第二级 - HDock精筛：HDock结合模板匹配和自由对接算法，计算更精确的结合打分。从Top200中取Top10。HDock对接分数越低越稳定，参考阈值约-200（对应置信度约0.7）。置信度公式：Confidence_score = 1.0/1.0+e\^(0.02\*(Docking_Score+150))。
第三级 - AlphaFold 3结构验证：Top10送入AF3计算pTM和ipTM。pTM评估整体结构预测准确性，ipTM评估蛋白互作界面预测准确性。筛选标准：pTM+ipTM>0.8。最终拿到VHH23835和VHH75315两条序列。
- 实验验证
两条序列克隆至pCMV6-AC-FC-S表达载体（含mouse IgG2a恒定区），转染HEK-293F细胞，G418筛选稳定株，FreeStyle293培养基培养2周，Protein G柱纯化。SDS-PAGE、考马斯亮蓝染色、Western blot验证。
- 功能验证结果
体外：纳米抗体有效中和了hVSIG2-Ig对T细胞的免疫抑制，恢复了T细胞活化和增殖。体内（胰腺癌模型）：瘤内注射显著抑制肿瘤生长，增强CD4+/CD8+T细胞浸润，减少Treg聚集。
技术评价
整套管线的优势在于全计算驱动：从靶标建模到候选序列筛选，不依赖动物免疫和噬菌体展示文库。设计周期从传统方法的数月压缩到数周。但计算设计仍需实验验证------论文中最终只取了2条序列进入湿实验，说明虚拟筛选的精度足够高，但下游验证仍不可省略。
这套技术栈对于做蛋白互作、抗体设计、免疫检查点研究的课题组具有参考价值。尤其是IgGM+HDock+AlphaFold3的组合，在靶标已知结构的情况下，可以作为纳米抗体发现的高效替代方案。