The Pulse
Nona sviluppa un modello da 366 milioni di parametri per anticorpi umani a sola catena pesante
Nona Biosciences afferma che il suo modello HCAbLM è stato addestrato su 31,8 milioni di sequenze di anticorpi completamente umani a sola catena pesante. L’azienda riferisce che il sistema, con 366 milioni di parametri, ha superato modelli
AI.info Team ·
Nona mette a confronto un modello specializzato con sistemi proteici più grandi
Nona Biosciences afferma di aver sviluppato HCAbLM, un modello linguistico addestrato specificamente su anticorpi completamente umani a sola catena pesante, anziché su ampi insiemi di dati di proteine o di anticorpi convenzionali. L’azienda, con sede a Cambridge, Massachusetts, ha annunciato il modello il 16 settembre 2026, insieme a un preprint su bioRxiv intitolato A foundation model learns the sequence and functional grammar of fully human heavy-chain-only antibodies.
Questa affermazione mette direttamente in discussione l’assunto abituale secondo cui i modelli generalisti più grandi siano automaticamente più adatti ai problemi legati alle sequenze biologiche. Nona afferma che HCAbLM ha 366 milioni di parametri, ma ha comunque superato ESM-6B di Meta, con 6 miliardi di parametri, e modelli di anticorpi come IgLM e AbLang in due misure pubbliche di sviluppabilità: la purezza misurata con la cromatografia a esclusione dimensionale e il comportamento alla cromatografia a interazione idrofobica.
L’azienda non ha fornito i punteggi dei benchmark nell’annuncio. Nel comunicato, Nona descrive i confronti come test di sviluppabilità tra progetti diversi e afferma che HCAbLM mostra anche trasferibilità alle misurazioni della stabilità termica.
31,8 milioni di sequenze da 73 topi transgenici
HCAbLM è stato addestrato su 31,8 milioni di sequenze di anticorpi completamente umani a sola catena pesante, raccolte da 73 topi transgenici HCAb immunizzati in modo indipendente. Nona afferma che il set di dati consente al modello di accedere a schemi di sequenza che i sistemi proteici generalisti incontrano di rado, perché i loro dati di addestramento contengono pochi anticorpi a sola catena pesante.
Gli anticorpi a sola catena pesante differiscono dagli anticorpi convenzionali, costituiti da catene pesanti e leggere appaiate. La piattaforma Harbour Mice di Nona è progettata per generare anticorpi completamente umani sia nei formati convenzionali con due catene pesanti e due catene leggere, sia in quelli a sola catena pesante, che possono produrre leganti compatti basati sul dominio variabile della catena pesante, da utilizzare nella progettazione di terapie.
L’azienda descrive gli schemi di sequenza appresi da HCAbLM come una «grammatica di sequenza» specializzata. In termini pratici, Nona afferma che il modello è pensato per individuare caratteristiche associate non solo al legame, ma anche alla corretta ripiegatura di un candidato, alla sua stabilità e alla sua capacità di soddisfare i requisiti di produzione.
L’obiettivo di Nona è la sviluppabilità, non il legame
Nona presenta il problema come un passaggio dalla ricerca di anticorpi che si legano a un bersaglio alla ricerca di candidati che possano diventare molecole farmacologiche utilizzabili. Nel comunicato, l’azienda indica la produzione su larga scala, l’aggregazione e la stabilità come le principali criticità di sviluppo che HCAbLM dovrebbe contribuire a valutare.
La distinzione è importante perché una sequenza può mostrare un legame utile, ma fallire in seguito perché si esprime male, si aggrega o non ha una stabilità termica sufficiente. Nona afferma che le rappresentazioni del modello sono correlate a proprietà misurate sperimentalmente, tra cui la purezza SEC, il comportamento HIC e la stabilità termica, anche se l’annuncio non indica le dimensioni degli insiemi di valutazione né i risultati numerici per ciascuna proprietà.
«Imparando le caratteristiche di sequenza peculiari degli HCAb completamente umani e dimostrando la trasferibilità a proprietà molecolari misurate sperimentalmente, HCAbLM offre una nuova base per la scoperta e lo sviluppo di anticorpi con il supporto dell’IA.»
Dott. Di Hong, amministratore delegato, Nona Biosciences
Perché le dimensioni ridotte del modello sono importanti
Nel confronto con ESM-6B, Nona pone al centro della propria argomentazione le dimensioni del modello. HCAbLM ha 366 milioni di parametri, mentre il sistema ESM-6B citato dall’azienda ne ha 6 miliardi; Nona afferma tuttavia che il modello più piccolo ha ottenuto risultati migliori nelle due metriche di sviluppabilità riportate.
Il numero di parametri, da solo, non determina le prestazioni in un compito biologico circoscritto. Un modello addestrato su un repertorio ampio e specifico per un determinato formato può cogliere vincoli che un sistema molto più grande, addestrato su dati più ampi, non rappresenta bene. Nell’annuncio, Nona presenta HCAbLM come una prova a favore di questo approccio, anche se serviranno verifiche indipendenti per stabilire quanto siano generalizzabili i risultati.
HCAbLM entra nella piattaforma di Nona per la scoperta di farmaci
Nona afferma di voler integrare HCAbLM con le tecnologie Harbour Mice già esistenti, lo screening di singole cellule B, lo screening funzionale NonaCarFx e la piattaforma di IA Hu-mAtrIx. L’azienda presenta il modello come uno strumento per valutare e ottimizzare anticorpi completamente umani a sola catena pesante, non come un candidato farmaco autonomo o un prodotto clinico.
La piattaforma Harbour Mice supporta applicazioni che includono anticorpi bispecifici e multispecifici, terapie CAR-T, coniugati anticorpo-farmaco e terapie basate su mRNA. Questi impieghi fanno parte della descrizione della piattaforma di Nona; l’annuncio del 16 settembre non indica alcun programma terapeutico specifico sviluppato con HCAbLM.
Il risultato immediato è un modello specializzato, un’ampia raccolta di sequenze di anticorpi e un vantaggio nei benchmark rispetto a sistemi più grandi, stando a quanto riferisce l’azienda. Il preprint documenta ora le basi tecniche di queste affermazioni, mentre la prossima prova sarà verificare se HCAbLM possa migliorare candidati anticorpali convalidati sperimentalmente al di là dei benchmark.