The Pulse

Nona sviluppa un modello da 366 milioni di parametri per gli anticorpi a catena pesante umani

Il modello HCAbLM di Nona Biosciences è stato addestrato su 31,8 milioni di sequenze di anticorpi interamente umani costituiti da sole catene pesanti. Secondo l’azienda, il sistema da 366 milioni di parametri ha superato modelli più grandi

AI.info Team · Scritto con l’IA · verificato · 2026-09-16

Nona mette un modello specializzato a confronto con sistemi più grandi per le proteine

Nona Biosciences ha sviluppato HCAbLM, un modello linguistico addestrato specificamente su anticorpi interamente umani costituiti da sole catene pesanti, anziché su ampi dataset di proteine o di anticorpi convenzionali. L’azienda di Cambridge, in 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.

La dichiarazione sfida direttamente l’idea diffusa secondo cui i modelli generalisti più grandi siano automaticamente più adatti ai problemi legati alle sequenze biologiche. HCAbLM contiene 366 milioni di parametri, ma secondo Nona ha superato ESM-6B di Meta, da 6 miliardi di parametri, e modelli per gli anticorpi come IgLM e AbLang su due misure pubbliche di sviluppabilità: la purezza nella cromatografia a esclusione dimensionale e il comportamento nella cromatografia a interazione idrofobica.

L’azienda non ha fornito i punteggi dei benchmark nel suo annuncio. Il comunicato di Nona descrive i confronti come test di sviluppabilità tra progetti diversi e afferma che HCAbLM mostra anche una capacità di trasferimento alle misure di stabilità termica.

31,8 milioni di sequenze da 73 topi transgenici

HCAbLM è stato addestrato su 31,8 milioni di sequenze di anticorpi interamente umani costituiti da sole catene pesanti, raccolte da 73 topi transgenici HCAb immunizzati indipendentemente. Secondo Nona, il dataset dà al modello accesso a schemi di sequenza che i sistemi generalisti per le proteine incontrano raramente, perché i loro dati di addestramento contengono pochi anticorpi costituiti da sole catene pesanti.

Gli anticorpi costituiti da sole catene pesanti differiscono dagli anticorpi convenzionali, formati da coppie di catene pesanti e leggere. La piattaforma Harbour Mice di Nona è progettata per generare anticorpi interamente umani sia nel formato convenzionale a due catene pesanti e due leggere, sia nel formato a sole catene pesanti, che può produrre molecole compatte leganti basate sul dominio variabile della catena pesante, da usare nella progettazione di terapie.

L’azienda descrive gli schemi di sequenza appresi da HCAbLM come una «grammatica delle sequenze» specializzata. In pratica, il modello è destinato a identificare caratteristiche associate non solo al legame, ma anche alla capacità di un candidato di ripiegarsi correttamente, rimanere stabile e 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 leghino a un bersaglio alla ricerca di candidati che possano diventare molecole farmacologiche utilizzabili. Il suo comunicato individua nella produzione su larga scala, nell’aggregazione e nella stabilità le principali questioni di sviluppo che HCAbLM è destinato a contribuire a valutare.

La distinzione è importante perché una sequenza può mostrare un legame utile e tuttavia fallire in seguito perché si esprime poco, si aggrega o non ha una stabilità termica sufficiente. Secondo Nona, 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 rivela le dimensioni degli insiemi di valutazione né i risultati numerici per ciascuna proprietà.

«Apprendendo le caratteristiche di sequenza uniche degli HCAb interamente umani e dimostrando una capacità di trasferimento alle proprietà molecolari misurate sperimentalmente, HCAbLM offre una nuova base per la scoperta e lo sviluppo di anticorpi supportati dall’IA».

Dott. Di Hong, amministratore delegato, Nona Biosciences

Perché le dimensioni più contenute del modello contano

Il confronto di Nona con ESM-6B pone le dimensioni del modello al centro della sua argomentazione. HCAbLM usa 366 milioni di parametri, mentre il sistema ESM-6B citato dall’azienda ne usa 6 miliardi, ma secondo Nona il modello più piccolo ha ottenuto risultati migliori nelle due metriche di sviluppabilità riportate.

Il solo numero di parametri non determina le prestazioni in un compito biologico circoscritto. Un modello addestrato su un ampio repertorio specifico per un formato può cogliere vincoli che un sistema molto più grande, addestrato su dati più ampi, non rappresenta bene. L’annuncio di Nona presenta HCAbLM come una prova a favore di questo approccio, anche se sarà necessaria una replica indipendente per stabilire quanto ampiamente il risultato sia valido.

HCAbLM entra nello stack di Nona per la scoperta di farmaci

Nona prevede di integrare HCAbLM con la sua tecnologia Harbour Mice esistente, 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 interamente umani costituiti da sole catene pesanti, non come un candidato farmaco autonomo o un prodotto clinico.

La piattaforma Harbour Mice supporta applicazioni che comprendono anticorpi bispecifici e multispecifici, terapie CAR-T, coniugati anticorpo-farmaco e terapie basate su mRNA. Questi impieghi restano parte della descrizione della piattaforma di Nona; l’annuncio del 16 settembre non identifica un programma terapeutico specifico portato avanti con HCAbLM.

Il risultato immediato è un modello specializzato, un’ampia raccolta di sequenze anticorpali e un vantaggio nei benchmark rispetto a sistemi più grandi, riferito dall’azienda. Il preprint fornisce ora la documentazione tecnica alla base di queste affermazioni, mentre la prossima verifica sarà stabilire se HCAbLM possa migliorare i candidati anticorpali validati sperimentalmente al di fuori del contesto dei benchmark.