利用大型语言模型预测抗体对流感A病毒 Hemagglutinin 的生物学活性
机器学习
2025-05-13 v1 人工智能
定量方法
摘要
单克隆抗体 (mAb) 是 FDA 批准最广泛的治疗方案之一，用于治疗自免疾病、感染性疾病和癌症。然而，抗体的发现与开发是一个耗时且昂贵的过程。近期的机器学习 (ML) 和人工智能 (AI) 进展显示，在抗体发现与优化中具有显著的前景。特别是，预测抗体生物学活性的模型可实现对结合和功能特性的体外评估；此类模型可优先挑选在昂贵且耗时的实验室测试中成功几率最高的抗体。我们在此探索一种用于预测抗体对流感A血凝素 (HA) 抗原的结合和受体阻断活性的 AI 模型。我们的当前模型是基于 MAMMAL 框架开发的，用于仅使用序列信息预测抗体-抗原相互作用。为评估模型性能，我们在 various 数据分割条件下进行测试，以模拟真实场景。我们的模型在预测已知抗体对见过的 HA 活性时 achieved AUROC 0.91，对未见过的 HA AUROC 为 0.9。对于新抗体活性预测，AUROC 为 0.73，在严格的相似性约束下进一步下降到 0.63-0.66。这些结果表明，AI 基础模型有望通过减少对大量实验室测试的依赖和更高效地优先挑选抗体候选物来转变抗体设计。此外，我们的发现强调了多样且全面的抗体数据集对于提高预测模型的泛化能力尤其是对于新抗体开发的重要性。
引用
@article{arxiv.2502.00694,
title = {Leveraging Large Language Models to Predict Antibody Biological Activity Against Influenza A Hemagglutinin},
author = {Ella Barkan and Ibrahim Siddiqui and Kevin J. Cheng and Alex Golts and Yoel Shoshan and Jeffrey K. Weber and Yailin Campos Mota and Michal Ozery-Flato and Giuseppe A. Sautto},
journal= {arXiv preprint arXiv:2502.00694},
year = {2025}
}