构象性B细胞表位的预测对于疫苗设计、免疫治疗和抗体工程至关重要。迄今为止，已开发出若干与宿主无关的计算方法，用于预测抗原结构中与抗体相互作用的残基。然而，已有充分证据表明，抗原-抗体（Ag-Ab）相互作用会因宿主免疫系统的不同而发生变化，这表明开发宿主特异性预测模型具有重要意义。在本研究中，我们首次提出了一种人类宿主特异性方法HAIRpred2，可根据抗原的三级结构预测其中与抗体相互作用的残基。
该数据集源自HAIRpred，包含277个人类Ag-Ab复合物，其中221个结构用于训练，56个用于独立测试。初步分析表明，相对表面可及性（RSA）低于0.05的残基，即对应于埋藏区域的残基，极有可能为非相互作用残基，这凸显了结构可及性在抗体识别中的重要性。为识别信息量最大的特征，我们评估了多种特征表示方式，包括RSA、基于大语言模型（LLM）的嵌入、基于距离的特征以及理化性质。基于单残基RSA特征训练的模型取得了0.72的AUC。
通过引入包含15个残基的滑动窗口以捕捉局部结构背景，模型性能提升至0.75的AUC。将RSA与理化描述符相结合后，获得了最佳性能（在独立测试集上AUC = 0.78）。在同一独立数据集上与现有抗体相互作用预测方法进行基准比较表明，HAIRpred2优于当前工具，进一步突显了宿主特异性建模的优势。HAIRpred2已作为网络服务器免费开放，网址为https://webs.iiitd.edu.in/raghava/hairpred2/。
感谢您有兴趣帮助传播bioRxiv的信息。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.09.723672v1?rss=1
🏷️ B细胞表位预测 抗原抗体相互作用 宿主特异性 结构生物信息学 理化特征 机器学习