BConformeR：基于互取样的Conformer用于连续与非连续抗体结合位点的统一预测
生物大分子
2025-12-24 v3 人工智能
计算工程、金融与科学
机器学习
摘要
准确预测抗体结合位点（epitopes） on抗原对于疫苗设计、免疫诊断、治疗性抗体开发、抗体工程、研究自身免疫和过敏疾病，以及深化我们对免疫反应的理解至关重要。尽管已提出用于预测线性（连续）和构成性（非连续）epitopes的体内方法，但它们在预测构成性epitopes时始终表现不佳。在本工作中，我们提出基于Conformer的模型分别在AlphaFold预测的结构和实验确定的结构上进行训练，利用卷积神经网络（CNNs）提取局部特征并利用Transformer捕获抗原序列中的长程依赖。消融研究表明，CNN增强了线性epitopes的预测，而Transformer模块改进了构成性epitopes的预测。实验结果表明，我们的模型在线性和构成性epitopes上以MCC、ROC-AUC、PR-AUC和F1分数均优于现有基线。
引用
@article{arxiv.2508.12029,
title = {BConformeR: A Conformer Based on Mutual Sampling for Unified Prediction of Continuous and Discontinuous Antibody Binding Sites},
author = {Zhangyu You and Jiahao Ma and Hongzong Li and Ye-Fan Hu and Jian-Dong Huang},
journal= {arXiv preprint arXiv:2508.12029},
year = {2025}
}