药企共建抗体联盟：1万个抗体的数据能解决哪些预测难题

2026年9月29日，Antibody Developability Consortium（抗体可开发性联盟）公布了创始成员。按照联合公告，参与其中的四家生物制药企业是AbbVie（艾伯维）、Argenx（专注自身免疫疾病的生物制药公司）、Lundbeck（灵北）和Takeda（武田）。

联盟由生物技术公司Ginkgo Bioworks旗下的数据服务业务Ginkgo Datapoints，与为药物研发提供AI基础设施的Apheris于2025年9月发起。Ginkgo负责生产实验数据和训练模型，Apheris支持成员安全地使用模型及开展数据协作。双方计划围绕约1万个抗体，建设统一测量的可开发性数据集，首批数据计划于2027年初交付。

这批数据针对的是抗体研发中的实际困难：能够结合靶点的抗体，仍可能因表达产量不足、稳定性不佳等问题，需要重新设计。这些影响抗体能否顺利生产、制备和继续开发的性质，正是可开发性研究关注的重要内容。

这个联盟值得关注的发展方向，是围绕AI需要解决的预测问题，专门组织实验数据的生产。理解它的价值，需要先看数据怎样建设，再看它可能改善哪些预测，以及研发团队如何据此安排自己的实验。

统一测量首先要解决数据能否相互比较的问题。

药企积累的实验记录来自不同项目，测定方法、样本条件和记录方式可能不同。一份记录即使足以支持当时的项目选择，也未必写明训练模型时需要了解的测量条件等信息。

比如，比较两组抗体的表达产量时，如果表达和培养条件不同，就很难判断产量差异有多少来自序列、有多少来自实验流程。模型如果把流程造成的差异当成序列的影响，就可能在新项目中给出错误的产量排序。

联盟准备从数据生产环节减少这类干扰。根据公开计划，成员提供专有抗体序列，Ginkgo再从公开来源补充不同类型的抗体序列。选定序列后，Ginkgo将生产相应的抗体，并按统一方法测量它们的性质。

用于训练模型的实验记录，还应包含未达到预期的结果及其测量条件。研究人员需要结合这些条件，判断表现不佳究竟是抗体本身的问题，还是测量异常造成的。在数据可以相互比较的前提下增加样本，模型才更容易学到可靠的预测规律。

按照联盟披露的使用方式，成员可以在自己的计算环境中运行联盟训练的模型，再用专有数据进一步调整模型，无需向其他成员直接公开专有原始序列。

联盟最重要的行业意义，或许是让多家药企共同建设实验数据和预测模型，再分别用于自己的研发项目。表达产量不足、稳定性不佳等问题会在不同项目中反复出现。围绕这些问题共同积累数据、训练模型，有望减少各家为建立同类预测能力而重复开展的实验工作。

要理解现有预测能力的不足，可以先看Ginkgo在2025年组织的抗体可开发性预测竞赛。2026年，Ginkgo等机构的研究人员在抗体研究期刊《mAbs》发表论文，分析了这场竞赛的结果。论文题为《Ginkgo Datapoints Antibody Developability Competition outcomes: limited model performance and a call for data standardization》。

参赛团队使用246个临床阶段抗体的数据训练模型，再对80个未公开实验结果的抗体进行预测。

竞赛考察了五项性质：

1. 疏水性：抗体表面部分区域不易与水相互作用的特征，与聚集等风险有关。

2. 热稳定性：抗体受热时维持结构的能力。

3. 与多种非目标物质结合的倾向。

4. 抗体分子彼此作用的倾向。

5. 表达滴度：在相应实验条件下，单位体积的抗体产量。

研究用Spearman相关系数衡量模型预测的排序与实验测量得到的排序是否一致。数值越接近1，两者的排序越一致。各项任务的最佳成绩差异明显：疏水性预测的相关系数为0.708，表达滴度为0.310。

如果一个项目主要受表达产量限制，就要重点考察模型对表达滴度的预测能力。疏水性预测得较好，并不能说明模型也能找出产量更高的抗体。团队真正需要知道的，是模型能否把产量更高的候选排在前面，让它们优先接受实验。即使排序有所改善，团队仍需通过实验确认候选是否达到项目要求。

这项竞赛研究指出，现有可用数据在规模、多样性和标准化方面仍有不足。联盟组织更大规模的数据生产，正是要为这类预测补充实验基础。

这项竞赛研究还采用了交叉验证：把246个抗体的数据分成几组，轮流留出一组检验预测，其余数据用于训练模型。模型在这种评估中的成绩，普遍好于对另外80个抗体的独立预测成绩。这说明，只在原有的246个抗体数据中训练和检验，还不能证明模型能可靠预测新抗体。

成员还需要确认模型是否适用于自己研究的抗体形式。Apheris项目页列出的建设对象为IgG，即免疫球蛋白G类抗体。如果项目研究的是双特异性或多特异性抗体，即能够识别两个或更多不同靶点或结合部位的抗体，就应进一步核对：训练数据是否包含类似结构的抗体，模型是否已在这类抗体上接受验证。

即使抗体形式相同，不同研发阶段需要的数据也有区别。对希望探索新抗体家族（序列相近的一组抗体）的团队，训练数据包含的抗体类型越丰富，就越有可能包含与新项目接近的序列，为预测提供参考。

对于已通过初步筛选、进入优化阶段的先导抗体，团队关注的问题更具体：只修改少数氨基酸，能否提高表达产量，同时保留与靶点的结合能力。要判断这些修改是否有帮助，就需要在相同条件下检测修改前后的抗体，比较它们的表达产量和结合能力。

数据集里的抗体数量更多，并不等于模型就能判断两支相近的候选抗体中，哪一支的表达产量更高。对正在优化先导抗体的团队，还要看这些数据能否帮助模型分辨：一次具体的序列修改，会怎样影响表达产量。

如果共同模型在多个项目中都能可靠预测某些性质，而且使用成本合理，成员就有条件减少为训练同类模型而重复安排的实验。节省下来的实验资源，可以用于优化和验证自己的候选抗体，例如研究怎样提高表达产量，同时保留结合能力。

这类预测还有机会让可开发性问题更早进入设计决策。如果模型对表达产量、热稳定性等性质的预测，能够在多种抗体上通过验证，团队就可以在决定生产和检测哪些候选之前，优先调整可能导致产量不足或稳定性不佳的序列。这样，团队就有机会减少推进多轮研究后才发现问题、再回头修改的反复。

这项约1万个抗体的数据建设计划，最终要在成员的研发项目中体现价值：帮助团队更早发现可开发性问题，减少重复实验，把更多资源用于判断哪些候选值得继续开发。如果这些改善能在多个项目中得到验证，联盟就为药企共同建设数据和模型提供了可借鉴的路径。