面向肽疫苗的免疫世界模型:多智能体编排连接分子预测与天然识别约束
An immune world model with multi-agent orchestration for peptide vaccines
免疫世界模型通过分离的疫苗与肿瘤分支、终点特异性证据和多智能体编排,把疫苗诱导的 priming 与肿瘤天然呈递抗原的识别连接起来。在公开树突状细胞数据上,其上下文排序器在两类 holdout 下的 Recall@20 分别为 0.483 和 0.333;天然识别约束在呈现分数更高时仍拦下改造肽,实验观测模型则在合成条件实验中把交叉呈递系数收敛到已知值附近。
预印本 · biorxiv · 10.64898/2026.10.19.760096
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
肽疫苗设计需要在疫苗诱导的初始免疫应答与肿瘤天然呈递抗原的识别之间建立联系。我们提出了一种免疫世界模型,通过独立的疫苗分支和肿瘤分支、针对不同终点的证据以及多智能体协同,保持了这一联系。天然识别约束使得一个经过修饰的肽段尽管具有更高的呈递评分仍被保留;而在缺少必要的肿瘤识别条件时,靶向扰动消除了抗原依赖的获益。公开的树突状细胞数据区分了供体来源与抗原来源的迁移:在相应的留出实验下,上下文排序器分别取得了 0.483 和 0.333 的 Recall@20。基于结构的受体预测在保留功能约束和匹配情景轨迹的同时,为候选排序提供了证据。在一个合成条件实验中,一个检测观测模型进一步将交叉呈递系数集中在其已知值附近。这些结果共同建立了一个计算框架,将分子层面的预测、天然靶标要求与条件性免疫动力学联系起来。该框架为选择肽疫苗候选及其解析其生物学依赖所需的实验提供了可复现的基础。
来源:bioRxiv · biorxiv.org