综述：利用计算机辅助技术发现新兴污染物相关的抗体：实现分子免疫技术与食品安全可持续性的结合

《Trends in Food Science & Technology》：Computer-aided antibody discovery for emerging contaminants: bridging molecular immunotechnology and food-safety sustainability

新兴污染物（ECs）检测面临抗体发现效率低、成本高的问题，本文提出整合计算辅助配体设计、纳米佐剂、优化杂交瘤技术、单B细胞筛选及机器学习等多学科方法，构建高效低成本的ECs抗体检测体系，为食品安全提供技术支撑。

　　

Jing Zhao|A.M. ABD EL-ATY|Peipei Li|Yongxin She|Fen Jin|Jing Wang|Mingqian Tan|Lufei Zheng|Maojun Jin

中国农业科学院农产品质量标准与检测技术研究所，北京 100081，中国

摘要

背景

新兴污染物（ECs）在全球范围内对环境构成了日益严重的威胁，基于抗原-抗体相互作用的免疫测定方法对于检测其残留物至关重要，因为这些方法具有环保和低影响的优点。然而，为新的ECs找到合适的抗体仍然具有挑战性，这限制了免疫测定的有效性。

范围和方法

为了克服这一问题，抗体发现的创新对于提高ECs的检测能力和降低对食品安全和公共卫生的风险至关重要。本文全面介绍了ECs抗体检测方面的进展，包括杂交瘤方法、抗体展示库和单B细胞技术，并探讨了半抗原设计和免疫接种的局限性与新发展，这些都是抗体生成的关键环节，同时讨论了抗体设计的未来研究方向。

主要发现和结论

有效的半抗原设计对于开发针对低分子量（LMW）ECs的抗体至关重要，新兴的计算策略（如人工智能AI）能够实现精确的工程化并加速设计过程。免疫接种策略也非常重要，纳米佐剂具有独特的优势，而复合佐剂可能比单一成分的佐剂更有效。通过优化电融合和高通量筛选技术可以改进杂交瘤技术。利用展示技术和高通量筛选构建合成抗体库可以提高重组抗体的产量。推进单B细胞技术需要改进分离方法、提高扩增精度和优化筛选过程。机器学习（ML）和计算生物学的未来发展将使抗体发现更加精准，整合多个领域是开发更快、更便宜的食品安全抗体的关键。

引言

确保不断增长的全球人口获得安全和可持续的食品供应是21世纪最重大的挑战之一。除了已知的危害外，一类新兴污染物（ECs）——这些是合成化学物质或生物制剂，它们在环境和食品系统中的新发现或日益普遍的存在、持久性、生物累积潜力以及/或毒性——对食品安全和公共卫生构成了重大且不断演变的威胁。ECs来源于生活的各个方面，包括内分泌干扰化学物质（EDCs）、药品和个人护理产品（PPCPs）、微塑料和纳米塑料（MNPs）、杀虫剂以及纳米材料（X. Y. Li, Shen, Jiang, Xi, & Li, 2024）。这些“看不见”的污染物通常以微量存在，但在从农场到餐桌的整个食品链中越来越多地被检测到。由于共污染和代谢转化现象的叠加，迫切需要创新解决方案来监测和减轻它们的影响（Falandysz, Liu, & Rutkowska, 2024）。仪器分析技术已被广泛用于ECs的检测，能够在定性和定量测定方面提供出色的灵敏度（Ebrahimi-Najafabadi, et al., 2025）。然而，这些技术也存在各种局限性，如成本高昂、需要专业技能以及复杂的样品预处理程序（Du, et al., 2025）。应对这些挑战需要转向快速、灵敏、经济且可在现场应用的检测技术。在这种情况下，基于免疫测定的方法利用了抗体对其目标分析物的高度特异性和亲和力，已成为在复杂食品基质中筛选和监测ECs的强大工具（Di Nardo, Chiarello, Cavalera, Baggiani, & Anfossi, 2021）。然而，发现针对ECs的高性能抗体仍然是一个关键瓶颈。因此，有必要优化抗体制备过程以提高抗体的效率和产量。分子量小于1000 Da的ECs通常缺乏直接诱导抗体产生的免疫原性。为了解决这一限制，合理的半抗原设计策略应运而生。传统的试错方法已被计算机辅助方法所取代，包括计算化学（P. Li, et al., 2023）、三维定量结构-活性关系（3D-QSAR）模型（Simeon & Jongkon, 2019）和基于表位的合理半抗原设计（ERHD）（X. Zhang, et al., 2023），这些方法在农药和抗生素抗体的开发中取得了成功。这些方法为设计能够与载体蛋白结合并模拟目标分子的半抗原提供了系统框架。合理的半抗原设计过程对于获得高性能抗体至关重要，随后需要通过动物免疫进行亲和力成熟。有效的免疫接种方案需要同时给予免疫原和佐剂。传统的弗氏佐剂可能会引起显著的局部炎症（Tervaert, et al., 2023）。相比之下，新型佐剂（如纳米佐剂Ou, et al., 2024）、植物来源的佐剂（AbdelAllah, et al., 2020）和微生物来源的佐剂（X.-x. Xiao, Zhang, Liu, Wei, & Yin, 2016）具有更好的安全性，是改善免疫接种方案中动物福利的有希望的候选者。免疫后，抗体的制备通过三种主要技术实现：（1）杂交瘤技术是最成熟的方法，具有成本效益和操作简便的优势，尽管聚乙二醇（PEG）介导的融合效率有限，促使人们采用了电融合技术和改进的筛选策略（Kou, Shen, Wang, & Yu, 2023）；（2）体外展示技术，包括噬菌体展示、细胞表面展示和无细胞展示系统，可以从天然/合成库中选择具有多种表位识别能力的抗体，但在重链/轻链配对和展示效率方面面临挑战（Lerner, 2016）；（3）单B细胞技术可以确保天然抗体链的配对，并产生具有更高特异性和多样性的抗体，尽管需要严格的条件，包括无菌环境和高纯度抗原（Pedrioli & Oxenius, 2021）。计算工具和人工智能（AI）的整合代表了抗体发现领域的范式转变。基于机器学习（ML）的逆向疫苗学（Ong, et al., 2020）和AI驱动的抗体设计平台（Desautels, et al., 2024）已经在治疗性抗体开发中得到了验证，对ECs抗体的研究具有巨大潜力。这些技术为简化传统的抗体发现过程提供了有希望的解决方案。

本综述全面探讨了针对ECs的抗体开发的关键需求和当前现状。通过整合抗体生产各个阶段的创新方法，本研究提出了一个系统框架，旨在克服制备ECs抗体过程中遇到的挑战。所提出的方法包括计算机辅助的半抗原优化、创新的佐剂系统以及下一代抗体筛选平台，如杂交瘤技术的改进、体外展示系统和单B细胞方法，这些方法在提高抗体特异性和生产效率方面具有变革潜力。此外，AI驱动的抗体设计代表了加速发现流程的范式转变。通过提供这项技术进步和战略创新的全面概述，作者希望激励抗体工程和环境监测领域的研究人员密切合作。他们的最终目标是推进针对ECs的抗体的开发，从而创建更有效的污染物检测系统，保护公众健康免受新兴环境威胁。

节选

ECs：对食品链和人类健康的威胁

ECs是新发现的合成或天然存在的化学物质或生物制剂，在环境中被检测到，可能对人类健康和生态系统构成潜在风险，或者最近被确定为有害物质（F. Wang, et al., 2024）。近年来，ECs受到了越来越多的关注（图S1）。与这些污染物相关的风险尚未完全了解。许多ECs广泛分布于食品基质中，容易引发食品安全问题

可持续且有效的佐剂

传统上，安全有效的疫苗佐剂的开发依赖于合成或病原体来源的成分。然而，对生物相容、可持续且可口服给药配方的需求不断增加，推动了食品相关材料的创新。在这方面，来自食品级或可食用材料的佐剂，如植物多糖、微生物成分和来自壳类废弃物中的壳聚糖，正成为下一代佐剂的有望候选者

杂交瘤技术的创新

单克隆抗体（mAbs）仍然是敏感和特异性检测食品中ECs不可或缺的工具。自杂交瘤技术诞生以来，它一直是mAb生成的金标准，利用B淋巴细胞的抗原特异性抗体生产和骨髓瘤细胞的永生化特性。传统的PEG介导的细胞融合效率低、非特异性融合率高且具有细胞毒性效应，从而导致生产周期延长和成功率有限

通过先进抗体库技术进行合成免疫库开发以检测ECs

ECs经常存在于复杂的基质中，如废水、地表水、食品加工副产物以及血清/尿液。在这种具有挑战性的环境中，天然来源的mAbs在实际样品检测中面临显著障碍。相比之下，重组抗体可以通过工程改造来增强其对这些复杂基质的适应性。传统的重组抗体技术涉及免疫动物、收集外周血并分离mRNA以生成cDNA

高通量单B细胞分选用于发现针对ECs的抗体

虽然杂交瘤技术可以通过体内成熟过程生成天然抗体，展示库允许体外亲和力优化，但这两种方法在应用于ECs时都存在效率低和选择偏差的问题。在这种情况下，单B细胞分选技术提供了一种直接策略，可以在克隆水平捕获抗原特异性B细胞受体，同时保留体内亲和力成熟，绕过了细胞融合和大规模库筛选的过程（图6）。

机器学习促进抗体发现

尽管抗体筛选技术取得了显著进展，但开发针对ECs的mAbs仍然是一项耗时且劳动密集的任务。特别是对于低分子量（LMW）化合物（如毒素、杀虫剂和药物残留物），这一过程常常受到半抗原设计挑战的阻碍。传统策略依赖于将LMW化合物化学偶联到载体蛋白上来引发免疫反应，这一过程不仅技术要求高，而且效果也不理想

结论和未来展望

在食品安全科学中，发现针对ECs的高亲和力抗体仍然是一个重大挑战，尤其是针对LMW化合物。传统的抗体开发流程往往耗时、成本高昂，并受到技术瓶颈的限制，包括LMW化合物的免疫原性差、杂交瘤生成效率低以及筛选通量有限。孤立地追求技术改进而缺乏协调的系统级方法往往会导致

未引用的参考文献

Chen et al., 2024; Chen et al., 2016; Chen et al., 2017; Chen et al., 2021; Wang et al., 2024.

CRediT作者贡献声明

Jing Zhao：撰写——原始草案准备、正式分析、调查、撰写——审阅与编辑、可视化。A.M. ABD EL-ATY：正式分析、撰写——审阅与编辑。Peipei Li：撰写——审阅与编辑。Yongxin She：监督。Fen Jin：监督。Jing Wang：监督。Mingqian Tan：撰写——审阅与编辑。Lufei Zheng：监督和资金获取。Maojun Jin：撰写——审阅与编辑、监督和资金获取。

数据可用性

本文描述的研究未使用任何数据。我们在表S2中列出了缩写词汇表。

CRediT作者贡献声明

Jing Zhao：撰写——原始草案准备、正式分析、调查、撰写——审阅与编辑、可视化。A.M. ABD EL-ATY：正式分析、撰写——审阅与编辑。Peipei Li：撰写——审阅与编辑。Yongxin She：监督。Fen Jin：监督。Jing Wang：监督。Mingqian Tan：撰写——审阅与编辑。Lufei Zheng：监督和资金获取。Maojun Jin：撰写——审阅与编辑、监督和资金获取。

利益冲突声明

作者声明他们没有已知的利益冲突或个人关系可能影响本文报告的工作。

致谢

本研究得到了国家自然科学基金（32272423）、国家重点研发计划（2023YFD1400902）以及中国农业科学院的农业科技创新计划（CAAS-ASTIP-IQSTAP-02）的支持。