智源团队提出 OFAntibody：从单抗设计到双抗联合生成的全原子框架

抗体设计的核心，是让抗体能够准确识别目标抗原，并形成稳定、特异的结合界面。随着抗体药物不断发展，设计目标也从单一靶点逐渐扩展到更复杂的功能需求。其中，双特异性抗体可以在同一个分子中识别两个不同靶标，或同时结合一个靶标上的两个不同表位，从而实现细胞桥接、协同阻断或多通路调控等功能，也正在成为抗体药物研发中的重要分子形式。

但相比单克隆抗体，双抗设计并不是简单地分别设计两个结合模块，再将它们连接起来。两个独立设计的结合臂，即使各自都能够形成合理的抗原–抗体界面，组合到同一个分子中后仍可能发生空间碰撞，也可能因为相对距离、朝向或连接方式不合适，使原本成立的结合界面无法同时保持。不同的结构域排列、连接方式和抗体构型，也会进一步限制两个结合臂能够到达的空间范围。因此，双抗设计不仅需要分别优化两个抗原–抗体界面，还需要让两个结合臂在同一个分子架构中保持几何兼容。

围绕这一问题，英灵殿科技（Valhalla Technology）团队提出 OFAntibody，一个统一支持单克隆抗体与多种构型双特异性抗体设计的全原子生成框架。模型以目标抗原结构、指定表位和预定义的抗体框架或双抗构型为输入，生成抗体互补决定区（CDR）的全原子结构；在双抗任务中，可同时生成两个结合臂的 CDR 及需要重新设计的连接区域。该框架既支持包括纳米抗体在内的单抗设计，也支持 tandem VHH、diabody 和 CODV-like 等多种构型的双抗联合设计，涵盖靶向两个不同抗原和同一抗原两个不同表位的设计任务。

将结合臂与目标表位一一对应

在单抗设计中，模型通常只需要围绕一个目标表位优化抗体界面。但在双抗中，两个结合臂承担的是不同的识别任务：一个结合臂需要接近第一个表位，另一个结合臂则需要识别第二个表位。如果模型不能明确区分两个结合臂各自对应的目标，即使最终生成了两个合理界面，也可能出现结合臂“找错位置”或两个界面相互干扰的问题。

为此，OFAntibody 引入了 结合臂感知的多热点路由机制（arm-aware multi-hotspot routing）。这里的“热点”是预先指定、用于引导抗体设计的表位残基。研究者可以分别为两个目标表位设置热点，并指定每组热点对应哪一个结合臂。模型因此能够在生成过程中明确区分不同结合臂的识别任务，使两个抗体界面不再作为彼此独立的设计问题，而是在同一个结构环境中共同生成。

让模型同时学习，局部界面与整体空间关系

抗体设计首先需要学习 CDR 如何与抗原表面形成匹配，但对于双抗而言，仅仅学习单个抗原–抗体界面还不够。模型还需要理解多个结合模块同时存在时，它们之间应该保持怎样的空间关系。

OFAntibody 因此使用了不同层次的结构数据。已有抗体–抗原复合物提供局部界面的结构信息，使模型学习 CDR 的构象以及抗体与表位之间的接触方式；实验解析的三组分复合物则进一步提供多个分子界面同时存在时的空间组织关系。

这些三组分结构并不等同于真实双抗复合物，但能够帮助模型学习多个界面共存时的几何关系，使训练数据不仅包含“一个抗体如何结合一个抗原”，也包含“多个分子如何在同一个结构中相互排布”。与此同时，实验解析的抗体–抗原结构数量仍然有限。团队进一步通过结构蒸馏扩展训练数据：对于已有抗体–抗原配对，利用 AF2-Multimer 预测复合物结构，并筛选高置信度结果加入训练，最终将可供模型学习的抗体–抗原相互作用数据扩展到约 15 万对。这些结构并不是新的实验解析结果，而是通过结构预测获得的高置信度训练样本。它们进一步扩大了模型能够观察到的抗体–抗原界面空间。

图1｜OFAntibody总体框架。模型根据靶标、表位、结合臂分工和抗体构型生成结构；抗体复合物、三组分结构及蒸馏数据共同用于训练。

纳米抗体设计：更多候选进入排名前列

在进行双抗联合设计之前，一个更基础的问题是：OFAntibody 能否先设计好单个抗体界面？研究首先在纳米抗体任务中进行评估，基准覆盖 12 个靶标、13 项设计任务，并与 IgGM、BoltzGen、PPIFlow、RFantibody 和 AnewOmni 等方法进行比较。每项任务中，各模型基于 4 种 VHH 框架生成候选，再将不同方法产生的结构放入同一个候选池中进行统一排序。

评价采用竞争式排序：在同一任务内，将不同方法生成的候选放在一起比较。先排除链断裂或严重原子碰撞的结构，再根据结构置信度、氢键、盐桥和界面埋藏面积等指标排序。各项指标分别排名并按权重归一化后，取其中最差的一项作为候选得分，避免只凭某一项高分入选。

汇总13项任务的Top-5候选后，41.5%来自OFAntibody，约为RFantibody的5.39倍。OFAntibody在Top-10和Top-20中的占比分别为39.2%和36.5%，均为所比较方法中最高；在11项任务中，其Top-10候选占比达到最高。结构蒸馏数据也带来了明显提升。加入蒸馏数据后，OFAntibody 的 Top-5 候选占比由 32.3% 提升到 41.5%，提高 9.2 个百分点。

图2｜纳米抗体设计基准。展示不同方法的Top-K候选占比、结构与界面指标、整体排名，以及蒸馏数据消融结果。

三种双抗构型下的设计表现

在验证单抗界面的设计能力后，研究进一步将 OFAntibody 扩展到双特异性抗体。双抗并不存在唯一的结构形式。不同分子可以采用不同的结构域排列与连接方式，而这些架构差异会直接改变两个结合位点之间的距离和朝向。1)tandem VHH，通过连接肽串联两个纳米抗体；2)diabody，通过 VH/VL 结构域重新配对形成两个结合位点；3)以及采用交叉可变结构域组织方式的 CODV-like 构型。三种构型在结构域排列和连接方式上明显不同，因此也对两个结合臂的空间位置提出了不同要求。

研究分别测试了 EGFR×CD3、EGFR 双表位以及 CD28×CD3 三项任务。每项任务生成 100 个候选，并分别考察两个结合臂是否同时覆盖指定热点，以及两个界面的 Rosetta 计算能量是否达到对应参考复合物的水平。

三项任务的双界面热点通过率分别达到 94%、100% 和 100%，OFAntibody 在三种构型下均能生成符合预设表位要求、具有合理界面几何的双抗候选。不过，界面能量表现在不同的靶标–构型组合之间存在较大差异：EGFR×CD3 diabody、EGFR 双表位 tandem VHH 和 CD28×CD3 CODV-like 的双界面能量通过率分别为 60%、13% 和 8%。所有生成候选的 Rosetta 界面能量均为负值，但两个界面同时达到或优于各自参考抗体能量水平的比例并不一致，说明模型能够构建具有合理几何与有利计算能量的结合界面，而进一步达到参考抗体的能量水平，仍是不同设计任务中难度各异的挑战。

值得注意的是，即使在能量通过率最低的 CD28×CD3 任务中，模型仍保留了参考界面中的重要结合相互作用。该任务的能量限制主要来自 CD3 结合臂，但与 OKT3–CD3 参考结构相比，生成界面仍重现了 46.4% 的氢键和 87.2% 的盐桥，同时形成了新的氢键与盐桥。这表明，在 CODV-like 构型的几何约束下，OFAntibody 不仅能够保留参考抗体的部分关键极性相互作用，还能够探索新的局部相互作用模式，为后续界面优化提供结构基础。

图3｜三种双抗构型及其设计结果。展示界面能量分布，并分析CD28×CD3任务中CD3结合臂的CDR相互作用。

HER2案例：联合设计减少拼接冲突

OFAntibody 的一个核心出发点，是在生成过程中就同时考虑两个结合臂之间的空间关系。为了直接比较联合生成和独立设计的区别，研究选择 HER2 上两个已知纳米抗体 NM02 和 2RS15d 所识别的表位，设计能够同时识别两个区域的 tandem VHH。

两种策略使用相同的表位约束。在独立设计中，两个 VHH 分别完成生成，再从单界面表现较好的候选中进行组合；而在 OFAntibody 中，两个 VHH 的 CDR 和连接它们的 linker 在同一个结构环境中联合生成。

结果显示，在2,130种独立拼接组合中，1,708种出现严重的VHH–VHH空间碰撞，占80.2%。也就是说，即使两个结合模块分别都能够形成合理的抗原–抗体界面，当它们被同时放到 HER2 表面时，大量组合仍然会因为空间不兼容而无法成立。排除明显碰撞后，再进一步检查两个 VHH 的相对朝向和连接距离，最终只有 176 种组合能够进入后续 linker 构建与结构优化。相比之下，在该案例的 OFAntibody 联合生成候选中，没有观察到同类严重空间冲突。

进一步分析发现，联合生成候选中，CDR 残基占全部界面接触残基的比例达到 77.7%，相比独立拼接提高约 11 个百分点；目标热点覆盖率达到 98.6%，提高 39.6 个百分点。这说明，在这一 HER2 双表位案例中，同时生成两个结合臂和连接区域，不仅减少了后续拼接产生的结构冲突，也能够更好地保持对目标表位的覆盖。

固定靶标与表位，再改变抗体构型

不同双抗构型代表不同的结构域排列和连接方式。如果模型真正学习的是两个结合界面与整体结构之间的关系，那么相同的靶标和表位要求，理论上可以在不同的抗体架构中寻找不同结构解。

围绕这一问题，研究进一步固定 CD20×CD3 的靶标组合和对应表位，并分别采用 tandem VHH、diabody 和 CODV 三种构型进行设计。与前面的实验不同，这里保持目标识别任务不变，只改变抗体构型。每种构型采样20,000个结构，并通过ProteinMPNN为每个结构生成4条候选序列。随后，使用AlphaFold 3分别预测两个“抗原–结合臂”子复合物，取两个界面iPTM的平均值作为该候选的界面置信度指标。

三种构型都产生了双界面平均iPTM高于0.65的候选，其中diabody候选最高达到0.72。各构型排名靠前候选的平均热点覆盖率为91.7%。这些结果说明，在保持靶标和目标表位不变的情况下，OFAntibody 可以进一步改变抗体的结构域排列和连接方式，在不同分子架构中寻找满足相同识别要求的候选。

图4｜联合设计与跨构型探索。HER2案例比较独立拼接和联合设计的空间冲突及界面覆盖；CD20×CD3案例展示固定靶标与表位后，在三种构型下生成的候选。

计算设计之后，还需要哪些验证

对于单抗设计，核心问题通常是如何获得一个高质量的抗原–抗体界面。但随着抗体分子逐渐走向双特异性和多特异性，设计问题也开始从单个界面的优化，扩展到多个结合模块之间的协同。OFAntibody 尝试将这些不同层次的问题放在同一个全原子生成框架中：既能够围绕单个目标表位设计抗体界面，也能够进一步指定不同结合臂的识别任务，并在预定义双抗构型中联合考虑多个界面、结构域排列和连接关系。

当前结果仍然主要来自计算结构评价。候选抗体真实的结合活性、特异性、稳定性以及可开发性仍然需要进一步实验验证。目前测试也主要集中在纳米抗体及抗体片段构成的紧凑双抗形式，更复杂的全长双抗仍有进一步拓展空间。从单抗到双抗，变化的不只是结合位点的数量，也是在重新定义抗体生成模型需要解决的问题：从设计一个好的抗原–抗体界面，进一步走向设计多个界面能够同时成立的完整抗体分子。

参考资料

https://arxiv.org/abs/2610.09548