SubQuad：基于自适应受体框架的近二次自由结构推断与分布平衡目标

比较分析自适应免疫再抗性在人口规模的困难被两个实际瓶颈所限制：两两亲和力评估的近二次成本以及数据不平衡掩盖了临床上重要的少数 clonotypes。我们引入 SubQuad，一个端到端的管道，通过结合抗原感知的近亚二次检索、GPU 加速的亲和力核、学习的多模态融合以及公平受限聚类来解决这些挑战。该系统采用紧凑的 MinHash 前过滤显著减少候选比较，一个可微调的门控模块在每对基础上自适应地加权互补的对齐和嵌入通道，以及一个自动校准例程强制执行罕见抗原特异性子群的比例代表性。在大型病毒和肿瘤再抗性上，SubQuad 在吞吐量和峰值内存使用方面实现了衡量到的收益，同时保持或提高 recall@k、聚类纯度和子群公平性。通过协同设计索引、相似度融合和公平性感知目标，SubQuad 提供了一个可扩展、偏差感知的平台，用于再抗性挖掘和后续翻译任务，如疫苗靶点优先排序和生物标志物发现。