基于序列与结构模型的抗体可开发性预测：加速抗体开发的SEC色谱筛选新策略

本综述系统探讨了利用机器学习模型预测抗体可开发性（developability）特性的创新方法。研究比较了基于序列（蛋白质语言模型PLM）和结构（图神经网络GNN）的预测策略，通过尺寸排阻色谱（SEC）实验数据验证了模型在预测单体含量和保留时间差（ΔRT）方面的效能。结果表明，PLM模型在保持高吞吐量的同时实现了最佳预测性能，为抗体早期筛选提供了高效计算工具。

　　

引言

单克隆抗体（mAbs）因其高特异性、多功能性和治疗效能已成为现代生物医药领域的重要治疗手段。目前已有超过145种抗体药物获得FDA批准，其应用范围涵盖肿瘤学、自身免疫性疾病、传染病等多个领域。抗体的可开发性（developability）特性——包括溶解度、稳定性、聚集倾向和可生产性等——直接影响其从早期发现向大规模生产的转化成功率。传统的实验筛选方法如尺寸排阻色谱（SEC）虽然可靠，但存在耗时耗力、资源密集等局限性。

研究方法

本研究采用约1200个免疫球蛋白G（IgG1）分子数据集，重点分析SEC测定的两个关键属性：单体含量百分比和相对于参考抗体NIP228的保留时间差（ΔRT）。通过四种预测管道进行系统比较：

1. 1.
   序列和结构特征管道：利用Schr?dinger软件从预测结构中提取分子特征，结合Extra Trees分类器进行预测
2. 2.
   蛋白质语言模型（PLM）管道：基于ESM-2等预训练模型获取序列嵌入，通过多层感知机（MLP）进行分类
3. 3.
   图神经网络（GNN）管道：从预测结构中构建氨基酸残基图，采用GVP、GAT或GIN等图神经网络架构
4. 4.
   PLM+GNN联合管道：将PLM生成的残基嵌入作为GNN的节点属性进行端到端联合训练

研究团队还评估了两种蛋白质结构预测工具（AlphaFold2和ImmuneBuilder）对预测性能的影响，并采用10折交叉验证和独立测试集评估模型性能。

结果与讨论

在SEC单体含量预测方面，序列和结构特征管道实现了最高准确率（0.79±0.03），但灵敏度较低（0.56±0.07），表明其识别问题分子的能力有限。PLM管道在保持较高准确率（0.77±0.03）的同时，获得了最佳的F1分数（0.68±0.05）和灵敏度（0.65±0.08），成为高通量筛选的最优选择。

对于SEC ΔRT预测，GNN管道表现出最高准确率（0.77±0.04）和较好的灵敏度（0.64±0.10），但性能波动较大。PLM+GNN管道在使用ImmuneBuilder结构预测时表现出更稳定的性能（灵敏度0.62±0.04），为ΔRT预测提供了可靠的高通量解决方案。

结构预测工具的比较研究表明，尽管AlphaFold2在结构预测精度上具有优势，但ImmuneBuilder作为更快速的预测工具，在PLM+GNN管道中实现了相当的性能，为大规模筛选提供了实用选择。

结论

本研究系统评估了四种计算策略在预测抗体SEC可开发性特性方面的效能。蛋白质语言模型（PLM）在单体含量预测方面表现出色，为早期抗体筛选提供了高效可靠的计算工具。对于ΔRT预测，结合快速结构预测工具（ImmuneBuilder）的PLM+GNN管道展现了最佳实践价值。这些计算模型显著降低了实验筛选的成本和时间，为抗体药物开发提供了有力的in silico支持。未来研究可进一步探索这些模型在低数据场景下的迁移学习能力，以及新型结构感知蛋白质语言模型在可开发性预测中的应用潜力。