抗体和 TCR 库基于蒙特卡洛推断的规模化

此前已有研究表明，免疫库序列的最大熵模型可用于确定个人的疫苗接种状态。然而，这种方法存在一个缺点，即需要一种计算密集型方法来计算每个模型的配分函数 ($Z$)，这是计算模型生成给定序列概率所需的归一化常数。具体而言，该方法要求为每个模型通过蒙特卡洛模拟生成约 $10^{10}$ 个序列。这对于大量模型来说是不切实际的。在此，我们提出了一种替代方法，仅需对少数几个模型以这种方式估计 $Z$：然后利用这些昂贵的估计值更高效地估计其余模型的 $Z$。我们证明，这种新方法仅使用三个昂贵估计值即可为 27 个模型生成准确的估计值，从而将计算成本降低了一个数量级。重要的是，这种效率的提升对分类准确性的影响微乎其微。因此，这种新方法使得计算免疫学中的大规模研究成为可能，并对一般的基于能量的建模做出了有益贡献。