ImmuneAgent通过多模态推理从人B细胞受体库发现广谱中和抗体
Multimodal reasoning for broadly neutralizing antibody discovery from label-free human B cell repertoires across virus families
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hantao Lou, Jianqing Zheng, Can Yue, Meihan Zhang, Yuanchao Bao, Yu Chen, Mengting Huang, Yupeng Yang, Qianyu Pan, Nana Fu, Yansong Shi, Hongli Li, Yangyang Chai, Ruyi Chen, Wansheng Li, Zhu Liang, Rongmei Yao, Yuanhan Mo, Lei Wang, Chunmei Wang, Yun Quan, Qiong Zhang, Xiangxi Wang, Xuetao Cao
首次提交：2026-10-02 19:35
ImmuneAgent是一个结合多模态推理、持续元学习和湿实验反馈的闭环AI系统，用于从接种或感染人群的自然BCR库中发现广谱中和抗体。基于论文摘要，系统在110个克隆候选中发现60个中和抗体，广谱中和抗体产出率为12/110，并报告5种抗体在致死性流感挑战中提供100%体内保护。系统还识别出与广谱中和活性相关的细胞与结构特征，并据摘要报告发现可交叉中和hMPV和HPV的抗体。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
ImmuneAgent将多模态推理、持续元学习与湿实验反馈结合，用于从无标签人B细胞受体库中发现广谱中和抗体。摘要报告在110个克隆候选中发现率约55%、广谱中和抗体产出率约11%，并有5种抗体在致死性流感挑战中提供100%体内保护；但目前仅依据论文摘要，实验规模、比较基线细节和泛化条件仍需阅读全文核对。
来源：arXiv · cs.AI · arxiv.org