BenchMHC:可复现的肽-MHC 呈递预测与评测框架
BenchMHC: a reproducible framework for peptide-MHC presentation prediction
BenchMHC 是一个仅用公开数据复现、重训练和评测 pMHC 呈递预测模型的开源框架,并记录复现过程中的实现决策。
BenchMHC 用公开数据复现并评测 pMHC 模型,复现结果与数据诱饵分析可帮助判断预测性能差异来自方法还是训练集。
预印本 · biorxiv · 10.64898/2026.10.22.760998
本站摘要基于收录版本 v1(2026-10-28),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
预测 MHC 分子会呈递哪些肽段,是新抗原和表位发现流程的第一步。大多数已发表的预测工具仅提供推理版本,且各自基于不同的数据集训练,因此新方法的效果无法与其训练数据的影响区分开来。我们提出 BenchMHC,一个开源框架,仅使用公开数据复现、重新训练并评估 pMHC 呈递模型,并记录复现过程中的每一项实现决策。我们对 NetMHCpan-4.1 的复现达到了每等位基因 Mean Top-K 0.794(官方 webserver 为 0.790),Median FRANK 为 0.0025(官方为 0.0022)。它在 27 秒内对 280,000 个肽段/等位基因对进行评分,比原始二进制文件快约 350 倍。随后我们考察了训练数据。在公开的 NetMHCpan-4.1 洗脱配体数据集中,86% 到 99% 的阳性样本存在于人类蛋白质组中,而其诱饵样本中仅有约 12% 存在于人类蛋白质组中,因此模型可以利用这一差异而非与 MHC 结合相关的特征来区分阳性样本和诱饵样本。在每个阳性样本的源蛋白内重新抽取诱饵样本并匹配其半胱氨酸状态(不作其他改动),可使重新生成的 v2.0.0 评估集上的每等位基因 Mean Top-K 从 0.734 提升至 0.755,并使 CD8 表位上的 Median FRANK 从 0.0025 提升至 0.0053。同样的改动提升了一个评估集,却降低了另一个评估集。代码(Apache-2.0)与模型检查点(CC BY-NC-4.0):https://github.com/instadeepai/BenchMHC-public。
来源:bioRxiv · biorxiv.org