抗体的优化需要大量时间和资源，这主要是因为在哺乳动物细胞中表达全长抗体的通量比较低很难进行高通量筛选，为了解决哺乳动物细胞表达在抗体优化中的局限，作者开发了一种基于深度学习的方法，能够高通量的识别具有抗原特异性结合的抗体序列；然后通过计算机预测最具可开发性的抗体分子，从而大大节省时间和成本，并大幅降低下游临床开发的风险。

最近在各大平台上都被“llama”和“AI”这两个词刷屏，我一开始还好奇怎么羊驼能跟AI也能联系到一起，后来才知道llama是Meta的一个开源AI大模型。最近他们刚开源了llama3模型，估计闻到血腥味的国内AI公司们马上又要迎来一波技术突破。不过有个信息吸引到了我，树莓派也能本地部署llama 3模型，因此我决定就不等国产AI大模型突破了，我自己先捣腾捣腾。

周一晚上跟凌博吃了一顿饭，期间讨论到了关于信仰的话题。刚好讨论到我一直以来的思考，因此准备分享下。首先申明我对信仰没有任何的倾向，这是每个人的自由，我不支持不反对不赞同也不贬低。刚工作的时候一个从美国回来的同事拉着我去参加他们周五晚上的聚会，去了才知道他们都是信基督的，后来挺多次一直拉着我，圣经我也读了一遍但是很可惜很难跟他们一样对耶稣产生崇拜。

今天分享的是罗氏的一篇文献，介绍的是CD19-CD28双特异性抗体，这项研究说明CD28可以为T细胞提供效且安全的共刺激信号并且提供了大量的证据支持将共刺激信号加入TCE治疗策略可以有效增强TCE的抗肿瘤效果。

传统的人源化方法是将抗体的CDR移植到与亲本抗体同源性较高的人源框架区上，但是这个过程一般会降低抗体的稳定性和亲和力，需要通过返回突变来恢复抗体的特性。最近Nature Biomedical Engineering介绍了一种新的人源化方法，这种方法与传统的人源化方法相比无需返回突变，且人源化后的抗体能够保持亲和力的同时还能提高稳定性。学术用户可以去试试看CUMAB(http://CUMAb.weizmann.ac.il)，没有学术邮箱但是喜欢捣腾的朋友也能自己部署一个服务器试试，只是需要的计算资源比较大，根据作者的思路我估计使用其他的替代CADD软件也能作出类似的结果。