美国马萨诸塞州剑桥2026年9月16日 美通社 －－ 诺纳生物，一家通过创新技术平台推动生物药研发的全球生物技术公司，今日宣布成功开发HCAbLM全球首个基于全人源仅重链抗体（HCAbs）训练的语言模型。HCAbLM基于来自73只独立免疫的HCAb转基因小鼠、共计3180万条全人源HCAb序列的大规模数据库构建，相关研究论文《A foundation model learns the sequence and functional grammar of fully human heavy－chain－only antibodies》已发表于bioRxiv。

从“能结合”到“能成药”：AI抗体开发的关键跃迁

当前AI抗体领域的主要瓶颈已不是“能否设计出结合靶点的抗体”，而是“设计出的抗体能不能量产、会不会聚集、稳不稳定”即成药性问题。HCAbLM正是为解决这一问题而生。该模型学习到了全人源HCAb独有的“序列语法”一套决定抗体能否折叠、能否稳定存在、能否最终成药的底层规则。传统通用模型因训练数据中几乎不包含HCAb序列，无法捕获这套规则。HCAbLM充分证明独特抗体序列数据训练的专有模型可以更好的将“序列空间认知”转化为“成药性预测能力”。

HCAb专有模型打败通用蛋白抗体模型

HCAbLM模型学到的表征展现出对实验测得抗体特性的可迁移能力，包括体积排阻色谱（SEC）纯度、疏水相互作用色谱（HIC）行为及热稳定性等，凸显了HCAbLM在全人源HCAbs评估与优化方面的潜力，超越单纯的序列分析层面。

在跨项目成药性预测的公开基准测试中，仅有3.66亿参数的HCAbLM在SEC纯度（量产可行性）和HIC行为（聚集风险）两项核心指标上，超越了包含60亿参数的Meta ESM－6B在内的通用蛋白质大模型，以及此前行业领先的抗体语言模型IgLM和AbLang。

HCAbLM的开发标志着诺纳生物在将人工智能（AI）应用于抗体发现与开发领域的重要进展。通过将大规模抗体库与AI驱动建模相结合，诺纳生物正在为更高效、数据驱动的抗体设计与可开发性评估奠定基础。

诺纳生物首席执行官洪涤博士表示：“HCAbLM的开发是我们在将AI应用于特殊抗体形式并释放大规模抗体库价值方面迈出的重要一步。通过学习全人源HCAbs的独特序列特征，并展示其对实验测定分子特性的可迁移能力，HCAbLM为AI赋能的抗体发现与开发提供了新基础。我们期待将HCAbLM进一步整合至诺纳生物的技术平台，利用这些能力加速抗体发现与开发，同时赋能合作伙伴，共同开拓下一代生物治疗药物的新机遇。”