跳到正文
bioRxiv· Krishna, C. S.; Singh, H.; Srivastava, S. P.; SINGH, R. K.·· 来源仅提供日期AI 评分51

抗体结合亲和力预测的高斯过程主动学习基准

Active Learning framework for Antibody Binding Affinity Prediction

AI 导读

研究团队提出一个基于高斯过程主动学习的抗体-抗原结合亲和力预测基准,在8个公开AbBiBench实验集上以每个池10%的标注预算评估核函数、采集策略与表示选择。

预印本 · biorxiv · 10.64898/2026.10.17.759787

本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

抗体工程项目必须在有限的实验预算下,从大型组合文库中优先筛选变体。我们提出了一个高斯过程(GP)主动学习基准,用于抗体-抗原结合亲和力预测,涵盖八个公开的 AbBiBench 实验,涉及流感血凝素抗体 CR6261 和 CR9114,以及针对 SARS-CoV-2 Spike HR2 肽的 AAYL 系列 scFv 文库。该框架使用 ESM-2 650M 对可变重链和轻链(VH/VL)序列进行嵌入,在压缩的蛋白质语言模型表示上训练 GP 代理模型,并在统一预算(每个完整数据池的 10\%)、无标签种子和固定留出评估划分的条件下,评估核函数、采集函数、表示方法、经典特征化以及标注预算的选择。在整个基准中,Tanimoto+UCB 在所有测试的核-采集配置中具有最高的平均 Recall@2\% 点估计,在五个随机种子上达到 \textbf{57.8\%} 的平均 Recall@2\%(当针对可采集数据池评分时为 68.3\%),而随机选择仅为 9.6\%——这一差距在跨数据集的配对 Wilcoxon 检验中显著($p=0.0078$);其点估计与 RQ+UCB 或 Tanimoto+EI 在五个种子下无显著差异。我们采用 \citet{gessner2024} 的连续 Tanimoto 核。相同配置在流感文库中恢复了最大比例的高亲和力结合物(在 \texttt{3gbn\_h1} 上为 74.2\%,在 \texttt{3gbn\_h9} 上为 82.7\%,在 \texttt{4fqi\_h3} 上为 84.9\%),同时揭示了更困难的 AAYL 组合景观,其中召回率仍然较低且变化更大。一项额外的三种子表示消融实验,在原始协议下运行且未在评估修正后重复,将 ESM-2 650M 排名最高(平均 Recall@2\% 为 0.673 $\pm$ 0.28),优于 ProtBert、AntiBERTy、AbLang2、ProGen2 和经典编码。在 BindingGYM 上,相同配置在三个数据集中的两个上使用 100 样本留出测试指标匹配或超越 ALLM-Ab。基于结构映射的积分梯度(Integrated Gradients)和 KernelSHAP 分析恢复了与接触衍生的互补决定区(paratope)几何一致的 CDR 区域归因模式,尽管无阈值(AUROC)分析表明这种定性一致性并未伴随强烈的残基级判别能力。这些结果支持 Tanimoto 核 GP 主动学习作为一种简单、可复现的策略,用于标签高效的抗体亲和力优化,并具有定性的结构验证。

来源:bioRxiv · biorxiv.org