استمرت جائحة كوفيد-19 لحوالي عامين ونصف، وتستمر ظهور متغيرات مقلقة (VOCs) لفيروس SARS-CoV-2، مما يُلزِم تطوير أجسام مضادة محايدة واسعة النطاق. وقد أُبلغ عن أن متغيرات مثل دلتا (سلالة B.1.617.2) وأوميكرون (BA.1 وBA.2) تُظهر قدرة على تجاوز المناعة تجاه بعض الأجسام المضادة العلاجية الحالية. ونظراً للتغير المستمر لفيروس SARS-CoV-2، أصبح من الضروري تطوير تنبؤات سريعة بارتباط الأجسام المضادة بالمتغيرات الجديدة، وتطوير أجسام مضادة محايدة واسعة النطاق. وبما أن التعلم العميق يُطبَّق على هندسة وتحسين الأجسام المضادة، نتساءل ما إذا كان بالإمكان تصميم وإنتاج أجسام مضادة واسعة التفاعل ضد متغيرات SARS-CoV-2 بسرعة باستخدام التعلم العميق. هنا، نُقدِّم تطوير إطار عمل قائم على الشبكة العصبية التلافيفية ذات المسافات الممتدة (ACNN) يُسمَّى الشبكة المتقاطعة لمستقبلات الخلايا الـ B (XBCR-net)، التي يمكنها التنبؤ مباشرة بأجسام مضادة واسعة التفاعل ضد SARS-CoV-2 ومتغيراته المقلقة من خلال تسلسلات مستقبلات الخلايا الـ B الفردية. تتكون XBCR-net من جزأين: الأول يستخرج الميزات المرتبطة بتفاعل الجسم المضاد مع المستضد عبر شبكة ACNN ذات ثلاث فروع، بينما يُقدِّر الجزء الثاني احتمالية ارتباط الأجسام المضادة بالمستضدات (14 تسلسلاً مختلفاً لمنطقة RBD) باستخدام بنية متعددة الطبقات ذات تراكيب مُتبقية (Residual Multi-Layer Perceptron). وقد تم تقييم أداء النموذج المبني على ACNN في التنبؤ بارتباط SARS-CoV-2، حيث أظهر دقة ودقة تنبؤية ودقة استرجاعية أعلى بشكل ملحوظ مقارنةً بأطر العمل الأخرى.