ConTact：基于显式界面推理的 contact-first 抗体 CDR 设计
机器学习
2026-05-22 v1
摘要
计算抗体 CDR 设计方法通常基于抗原结构生成结合环节，但现有架构将两个根本不同的子问题混合在一起：识别哪些 CDR 位点会与抗原接触，以及在这些位点选择何种氨基酸。这种混合迫使模型通过均匀消息传递隐式学习接触推理，从而稀释了抗原信号在所有位点的均等分配。我们引入 ConTact，一种 contact-then-act 架构，显式地将 CDR 设计分解为三个级联阶段：学习表面互补指纹、预测 CDR-抗原接触、以及将接触加权后的抗原特征注入序列头部。一个以距离为偏见的跨注意力模块编码几何先验，以促进空间相邻邻居，而接触加权的交叉熵损失将梯度信号集中在结合关键位点上。在 CHIMERA-Bench 数据集上，ConTact 在结构质量方面取得最佳成绩（相对于下一个最佳基线提高 7% RMSD），在表皮意识方面取得最佳成绩（相对于 GNN 基线提高 10% F1 分数），并且在几种 CDR-H3 设计基线中实现了具竞争力的序列恢复（AAR 0.38）。
引用
@article{arxiv.2605.21600,
title = {ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning},
author = {Mansoor Ahmed and Spencer VonBank and Nadeem Taj and Sujin Lee and Naila Jan and Murray Patterson},
journal= {arXiv preprint arXiv:2605.21600},
year = {2026}
}