2026年6月，bioRxiv上发表了一篇关于双特异性抗体可开发性的系统性研究。研究人员构建了一个大规模的公共数据集：160种双抗、65种亲本单抗、10项测定^[1]。在此之前，行业缺乏将亲本抗体可开发性与双抗可开发性系统关联的公共数据集。这一研究揭示了双抗可开发性的决定因素，并为今后AI学习及预测提供了大数据积累。

图1：双抗文库设计与实验流程。（A）将亲本抗体组合为双抗的两种采样策略示意图。（B）基于计算与实测特征对双抗设计空间的UMAP降维投影。灰色：所有可能配对；蓝色：160种被选中的双抗。（C）160种双抗文库中各亲本单抗的出现频次。自底向上策略将每个选定亲本与多个不同搭档配对；自顶向下策略将亲本覆盖范围扩展至65种。（D）双抗可开发性分析实验流程。双抗均搭载于多工程化KiH/CrossMab IgG1骨架上，经CHO细胞瞬时转染表达、Protein A捕获及精纯步骤后，在PROPHET-Ab平台上完成12项检测（10项可开发性+2项质量控制）。

1. 双抗可开发性的三类遗传模式

• 强遗传（ρ ≈ 0.85–0.95）：疏水性和表面电荷几乎完全从亲本抗体继承。在亲本单抗阶段筛选这两个指标，就可以可靠地预测双抗在相应维度上的医学表现。
• 部分遗传（ρ ≈ 0.60–0.88）：自结合和多反应性部分继承自亲本，但会出现一些异常值。亲本单抗本身没有问题出现，但一旦组合成双抗后，将出现一些问题。这些异常主要来源于Fv-Fv电荷互补性以及亲本抗体在疏水性-表面电荷上的生物物理局限。
• 弱遗传（ρ < 0.4）：热稳定性几乎无法从亲本抗体预测，只可以在双抗格式本身上直接测定。

这一发现证明了双抗也有遗传学标志，就像人类的身高、性格、后天行为习惯等。亲本阶段的筛选可以提前排除一部分风险，但不能完全替代双抗本身的验证。

2. 为什么两个好单抗不一定组成好双抗

在双抗开发中，经常出现的问题是两个在单抗阶段表现良好的分子，组合成双抗后出现了新的可开发性问题。研究发现，自结合和多反应性的异常值部分由Fv-Fv电荷互补性驱动。当两个亲本Fv之间存在正负电荷的互补吸引时，这种吸引力可能促进双抗分子之间的自结合，从而增加聚集风险、降低溶液行为的稳定性。因此，双抗的工艺风险不仅依靠亲本单抗的数据进行预判，还需在双抗格式上评估。

图2：各Fv的格式效应大小。 对于至少在三种不同双抗中出现的Fv，拟合了一个线性模型（均值 + Fv_a + Fv_b）。通过这种网络分析，可以在不依赖于特定双抗配对的情况下，估算每个Fv在各个测定中的效应值。观察到效应值在统计上显著偏离零的Fv，提供了这些Fv在不再以双Fv单抗形式存在时表现出涌现性行为的证据。

3. 数据支撑之下的四条规则设计

基于数据库，研究人员总结了四条可操作的双抗早期开发设计规则：

• 亲本阶段筛选疏水性电荷；
• 避免将两个高HIC×高HAC的亲本臂配对；
• 配对相反电荷的Fv来抑制自结合；
• 热稳定性需要在双抗本身上进行测量。

在早期分子筛选阶段，若将以上规则应用进实操，后期工艺开发风险将大大降低。

4. 从经验试错走向数据驱动

这项研究的一大重要贡献在于研究人员公开了一个高质量的大数据库。包含160种双抗、65种亲本单抗在10项测定中的完整数据。这份数据库弥补了双抗、亲本抗体可开发性的公共数据缺乏，并且为今后的AI和机器学习预测提供了数据，用计算方式将单抗序列转化为可开发的双抗。由此可见，双抗的开发正在从经验试错逐步走向数据驱动。大规模的分子数据被记录、积累，为双抗开发提供了早期预测的价值。

5. 总结

双抗的可开发性逐渐从经验试错走向数据驱动，需要在分子设计阶段简历数据驱动的基石，而非等到候选分子确定后再面对意料之外的工艺瓶颈。越早引入系统的可开发性评估，就越能避免后期工艺开发的被动局面。

面对可能遇到的问题，在我们的实际交付中，针对双抗、三抗等多特异性抗体在结构与表达方面的复杂性，我们逐步建立并完善了一套平台化的开发体系，涵盖#细胞株构建、#细胞培养、#纯化工艺开发、以及#分析方法开发等多个关键环节。通过瞬转测试提前明确双抗各链配比，从而在稳转细胞株构建过程中尽可能筛选杂质产生较少，难去除杂质比例较低的minipool及单克隆细胞株。该体系在多个项目中得到了验证与应用，能够根据不同复杂抗体构型和功能机制灵活调整策略，从而实现更高的表达产率和更强的工艺稳定性。

参考资料：

[1] Decoding Bispecific Antibody Developability: Design Rules and Predictive Models from a 160-Member Library Seth Ritter, Laura Rand, Sai Karthick, Tim Bloomingdale, Alexander Smith, Xiang Ao, Yolaine Pierre, Blake Harris, Joshua Moller, Aanal Bhatt, Rebecca Bhatt, Jacob Schwartz, Lucia Grippo, Rich Cohen, David W. Borhani, Peter M. Tessier, Ammar ArsiwalabioRxiv 2026.06.15.732449; doi: https://doi.org/10.64898/2026.06.15.732449