構象性B細胞表位的預測對於疫苗設計、免疫治療和抗體工程至關重要。迄今為止，已開發出若干與宿主無關的計算方法，用於預測抗原結構中與抗體相互作用的殘基。然而，已有充分證據表明，抗原-抗體（Ag-Ab）相互作用會因宿主免疫系統的不同而發生變化，這表明開發宿主特異性預測模型具有重要意義。在本研究中，我們首次提出了一種人類宿主特異性方法HAIRpred2，可根據抗原的三級結構預測其中與抗體相互作用的殘基。
該數據集源自HAIRpred，包含277個人類Ag-Ab複合物，其中221個結構用於訓練，56個用於獨立測試。初步分析表明，相對錶面可及性（RSA）低於0.05的殘基，即對應於埋藏區域的殘基，極有可能為非相互作用殘基，這凸顯了結構可及性在抗體識別中的重要性。為識別資訊量最大的特徵，我們評估了多種特徵表示方式，包括RSA、基於大語言模型（LLM）的嵌入、基於距離的特徵以及理化性質。基於單殘基RSA特徵訓練的模型取得了0.72的AUC。
通過引入包含15個殘基的滑動窗口以捕捉局部結構背景，模型性能提升至0.75的AUC。將RSA與理化描述符相結合後，獲得了最佳性能（在獨立測試集上AUC = 0.78）。在同一獨立數據集上與現有抗體相互作用預測方法進行基準比較表明，HAIRpred2優於當前工具，進一步突顯了宿主特異性建模的優勢。HAIRpred2已作為網絡服務器免費開放，網址為https://webs.iiitd.edu.in/raghava/hairpred2/。
感謝您有興趣幫助傳播bioRxiv的資訊。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.09.723672v1?rss=1
🏷️ B細胞表位預測 抗原抗體相互作用 宿主特異性 結構生物資訊學 理化特徵 機器學習