双注意力机制实现的免疫原性预测与疫苗靶点选择
机器学习
2025-05-20 v2 计算与语言
生物大分子
摘要
免疫原性预测是逆向疫苖学中的核心议题，用于寻找能够触发保护性免疫反应的疫苗候选。现有方法通常依赖高度压缩的特征和简单模型架构，导致预测准确率有限且泛化能力差。为此，我们引入VenusVaccine，一种采用双注意力机制的深度学习解决方案，将预训练的蛋白质序列和结构潜在向量表示集成其中。我们还编译了目前最全面的免疫原性数据集，涵盖超过7000个抗原序列、结构和免疫原性标签，来源于细菌、病毒和肿瘤。广泛的实验表明，VenusVaccine在多种评估指标上超越现有方法。此外，我们建立了后验验证协议，以评估深度学习模型在解决疫苗设计挑战方面的实际意义。我们的工作为疫苗设计提供了有效工具，并为未来研究设定了有价值的基准。实现代码已公开于https://github.com/songleee/VenusVaccine。
引用
@article{arxiv.2410.02647,
title = {Immunogenicity Prediction with Dual Attention Enables Vaccine Target Selection},
author = {Song Li and Yang Tan and Song Ke and Liang Hong and Bingxin Zhou},
journal= {arXiv preprint arXiv:2410.02647},
year = {2025}
}
备注
20 pages, 17 tables, 6 figures