IgScope 以区域隔离语言模型实现抗体多分辨率人源化程度评分
Multi-resolution humanness scoring of antibodies via a region-isolated language model
作者提出 IgScope,一个从零训练的 2300 万参数抗体语言模型,可在链、IMGT 区域和残基分辨率上给出人源化程度评分。其区域隔离注意力把注意力限制在区域内,嵌合序列训练提供区域级监督;在 238 万条留出链上,屏蔽全部框架 token 后 CDR 准确率不变,人框架中回突的小鼠残基检出准确率为 93.4%。
预印本 · biorxiv · 10.64898/2026.10.23.761395
本站摘要基于收录版本 v1(2026-10-29),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v2
被识别为外源的抗体会引发抗药抗体(ADA),从而损害疗效与安全性,这使得人源性评分——估计一段序列看起来有多像人源——成为抗体开发中一个早期且反复进行的步骤。广泛使用的评分方法将可变区归结为一个由框架区主导的单一数值,导致互补决定区(CDRs)——在人源化过程中被移植、并由生成模型加以多样化——缺乏有效监督,且极少被审查。在此我们提出 IgScope,一个从零开始训练的 2300 万参数抗体语言模型,可在链、IMGT 区域和残基三个分辨率上对人源性进行评分;一个区域隔离注意力模块将注意力限制在区域内部的配对上,而嵌合序列训练则提供区域级监督。在 238 万条留出链上,屏蔽所有框架区 token 不会改变 CDR 的准确率,而人源框架中的回突变小鼠残基可被以 93.4\% 的准确率检出。在链级上,IgScope 达到了已发表的与临床抗药抗体发生率相关性最强的水平(r = $-$0.567,n = 217),并优于同一协议下的重新计算结果。区域级评分揭示了链级评分所掩盖的内容:由四个生成模型从头设计的抗体通过了整条链的人源性评分(0.966--0.988),但其 CDR 在每一类链中都远低于天然水平(P $<$ 1e-30)。质量控制将同样的分辨率用于镜像问题:在人源化小鼠平台中,其结构域按设计即为人源,IgScope 将该结构域评为人源;而在 HUGO-Nano 嵌合 VHH 中,它仅分离出 FR2 中四个骆驼科标志性残基的信号——这些残基是被刻意保留以稳定 VHH 的。IgScope 为人源化抗体提供了经过验证的基础,并为生成式设计提供了审计手段。
来源:bioRxiv · biorxiv.org