《Nucleic Acids Research》：SAbDab2: the structural antibody database in the age of machine learning
编辑推荐：
结构抗体数据库（SAbDab）是自2013年起发布的实验解析抗体结构公共存储库。2021年显式引入单域抗体支持（SAbDab-nano）。近年来抗体研究热度上升与新抗体形式不断出现，同时机器学习（ML）对标准化、高质量结构数据的需求显著增加。研究人员提出SAb
结构抗体数据库（SAbDab）是自2013年起发布的实验解析抗体结构公共存储库。2021年显式引入单域抗体支持（SAbDab-nano）。近年来抗体研究热度上升与新抗体形式不断出现，同时机器学习（ML）对标准化、高质量结构数据的需求显著增加。研究人员提出SAbDab2，面向ML时代重构：支持多种新型抗体格式；便于检索与比较同一抗体的全部已知结构；提供抗体及抗体-抗原复合物的ML级结构数据，以及标准化、可版本化的训练/测试划分。该划分每6个月更新，存于Zenodo；SAbDab2本体每周更新，免费开放。
《Nucleic Acids Research》刊载的该工作面向机器学习时代重构了结构抗体数据库SAbDab2。研究背景在于：自2013年SAbDab发布以来，抗体作为治疗药物与工程化形式的复杂度持续上升，单域抗体、双特异（bispecific）、多特异（multispecific）及片段化构造大量涌现；同时深度学习在抗体结构预测、抗体-抗原复合物建模与从头设计中高度依赖高质量、低泄漏风险的数据。已有资源多仅提供批量下载，缺乏统一编号、跨PDB（Protein Data Bank，蛋白质数据结构库）归并、抗原配对校正与可复现划分。研究人员由此重新设计注释流程与后台架构，建立以可变区序列为核心的组织方式。
关键技术方法上，研究人员从PDB获取蛋白质条目，以ANARCII（基于语言模型的抗体编号工具）识别可变区并采用IMGT编号方案；解析PDBx/mmCIF格式，将同一物理链上多个可编号结构域拆分为独立逻辑链；依据框架区保守残基空间邻近完成重链-轻链配对；按CDR（互补决定区）邻近关系定义抗原链并限定于生物组装（biological assembly）内；以序列相似性聚类构建图连接，整体分配训练/测试集以防抗体或抗原序列泄漏。样本来源于PDB中公开实验解析抗体结构，截至2026年10月9日涵盖22543个抗体实例、11660个PDB编号与6945个SAbDab2编号。
研究结果如下。
SAbDab2高效识别抗体：研究人员以ANARCII替代旧版ANARCI，可识别常规与稀有格式（如鲨源VNAR），配合半自动流程与人工复核，降低误注。
SAbDab2 ID支持跨PDB结构比较：以IMGT编号重链/轻链序列生成唯一SAbDab2 ID，将不同PDB、不同构造但可变区相同的实例归并，可系统比较apo（游离态）与holo（结合态）构象、柔性及表位差异。
SAbDab2注释工程化抗体构造：模块化拆分scFv、diabody、双可变区等构建，区分FV、Fab、Fab+Fc、单域类型，并维护SAbDab2-nano子集。
SAbDab2识别功能性抗体-抗原复合物：基于CDR空间邻近注释抗原，优先采用作者定义生物组装，允许抗体本身作为抗原，提升结合界面生物学相关性。
可查询、可下载、用户友好的公共库：提供图形界面与公开API，支持按编号、序列相似度、分辨率、构造类型筛选，每周增量更新。
ML级版本化数据划分：发布高质量子集与两类划分——仅按抗体序列相似的抗原无关划分，以及同时考虑抗体/抗原相似性的抗原感知划分，缓解日期划分导致的数据泄漏。
讨论与结论部分指出，SAbDab2通过持续采集、注释与组织PDB抗体结构，首次在统一框架内兼顾稀有/工程化格式、跨PDB构象比对与标准化基准。其意义在于为抗体结构预测与复合物建模提供可复现、可审计的数据基座。作者结论为：SAbDab2更新了结构抗体数据库，使其适配ML时代；新注释流程改善抗原注释与格式支持，SAbDab2 ID支持构象与表位比较，版本化相似性划分降低数据泄漏，适用于计算模型训练与评估。
这篇解读已完成，接下来可以选择一个方向继续深化：
把SAbDab2数据划分策略改成示意图式文字说明 对比SAbDab2与SAAINT-DB、SNAC-DB的核心差异 把SAbDab2数据划分策略改成示意图式文字说明 对比SAbDab2与SAAINT-DB、SNAC-DB的核心差异
