《mAbs》：Glycosylation penetrance of N-X-S/T sequons in antibody variable domains: a structural survey of 19,265 human antibody structures reassessing the histidine/glutamine suppression hypothesis
编辑推荐：
用于从头抗体设计的机器学习（ML）方法可生成数千候选序列，但大多缺乏对翻译后修饰风险的稳健评估。可变区中的N连接糖基化可从根本上改变抗体功能，然而当前的穿透率估计源自糖基化富集数据集，高估了风险。研究人员调查了蛋白质数据库（PDB）中19,265个人类抗体结构
用于从头抗体设计的机器学习（ML）方法可生成数千候选序列，但大多缺乏对翻译后修饰风险的稳健评估。可变区中的N连接糖基化可从根本上改变抗体功能，然而当前的穿透率估计源自糖基化富集数据集，高估了风险。研究人员调查了蛋白质数据库（PDB）中19,265个人类抗体结构，在可变区识别出1,368个N-X-S/T序列模体（sequon），观察到7.82%的穿透率（107/1,368；Wilson 95% CI 6.5–9.4%）——这是反映PDB中对糖基化结构选择性排除的结晶学下限，而此前发表的糖基化富集语料库为16.47%。在X位，组氨酸（0/61；Wilson 95%上限5.9%）、赖氨酸（0/26；上限12.9%）或色氨酸（0/26）处未观察到糖基化，与抑制一致。谷氨酰胺显示6.45%穿透率（2/31），与基线无区别，反驳了其先前作为抑制因子的分类。轻链可变区聚合穿透率高于重链可变区（9.62% vs 6.79%；Fisher OR=1.46，p=0.075），但联合贝叶斯调整后该对比未保留。区域上，FR2抗糖基化（0/119），而FR1（14.0%）和FR4（12.1%）升高。N-X-T序列模体较N-X-S易感性高3.84倍（13.64% vs 3.55%；Fisher精确p=8.13×10?12，OR=4.29）。独立的无PDB重叠验证子集（n=449，33个糖基化事件，189个非重叠PDB）重现了核心发现。泄漏校正贝叶斯逻辑回归确认N-X-T偏好是最先验稳定效应，并识别到序列模体立即C端+3位置脯氨酸和芳香族残基的强负系数；X位组氨酸效应在先验敏感性下处于边缘。研究人员呈现了一个置信区间感知决策树，整合X位、第三位、链型和区域上下文，作为ML设计抗体候选的纯序列分诊工具。
研究背景与问题提出
在当代治疗性抗体开发早期，以RFdiffusion、Chai系列等为代表的机器学习（ML）从头设计工具已能高效生成具备目标结构与结合特性的新序列。然而这类工具运行于理想的序列到结构范式内，其可开发性评估尚未延伸至翻译后修饰（PTM）。其中，可变区（VH/VL）内的N连接糖基化是最具后果的盲区之一：它可致异质糖形、干扰表位结合、引入免疫原性，但自然 repertoire 中15–25%循环IgG保留Fab糖基化，且西妥昔单抗（cetuximab）VH-N88位糖基化兼容上市药物，提示该修饰并非绝对有害，甚至可增强亲和力与热稳定性。现有穿透率规则多来自糖基化富集数据集（如Melo-Braga等2024年对6,709个PDB结构的普查，报道16.47%），存在确认偏倚；同时“组氨酸/谷氨酰胺在X位完全抑制”假说仅基于小样本（Q为0/11）。因此，研究人员开展本研究，旨在基于无糖基化偏选的人类抗体结构普查，重估可变区N-X-S/T序列模体（sequon）的真实穿透率与序列/结构决定因素。论文发表于《mAbs》。
主要技术方法概览（不超过250字）
研究人员以RCSB PDB为源，按分辨率≤3.0 ?、人类（taxonomy 9606）、X射线或冷冻电镜条件检索得19,265条结构；用ANARCII v2.0.3做VH/Vκ/Vλ域判定，IMGT编号标准化区域；gemmi库在2.0 ?内检测Asn Nδ与NAG/MAN等共价连接判定占用。排除原核表达链后得1,629条可变区sequon，经IMGT规范位过滤得1,368条（canonical subset，869 VH/499 VL）。独立验证子集通过排除Melo-Braga语料PDB重叠构建（n=449）。统计上采用Wilson 95% CI、Fisher精确检验、泄漏校正贝叶斯逻辑回归（v0/v1/v1.5三规格，先验σ∈{1,2,5,10}敏感性扫描）及检测偏倚双参数潜变量模型；决策树以L0–L2机制预筛加L3分层叶输出置信区间感知分级。
研究结果（保留小标题）
Dataset characteristics and ascertainment strategy
从无偏RCSB查询得1,368个规范可变区sequon，107个结晶学占用，穿透率7.82%（CI 6.5–9.4%）；Melo-Braga同管道重处理得16.47%，独立无重叠验证子集7.35%（CI 5.3–10.1%）。说明无偏结构普查提供受预结晶去糖与电子密度无序压低的检测下限，富集普查提供上限，真值介于其间。
X-Residue effects and reassessment of the H/Q glycosylation suppressor hypothesis
X位穿透率跨度大：Glu 50.0%（4/8，宽CI）、Ile 24.7%、Asp 16.3%、Arg 14.9%；His 0/61（Wilson上限5.9%）、Lys 0/26、Trp 0/26，支持抑制但不绝对；Gln 2/31（6.45%，CI 1.8–20.7%）与基线无别，推翻Q抑制旧说。检测偏倚校正后秩次不变，H/K/W仍最低，Q仍非抑制。
Joint Bayesian inference: robust and borderline effects across the feature set
v1.5模型（n_train=919）显示β_N-X-T最先验稳定（后验均值+0.75~+0.96，HDI不含0）；+3位Pro（β≈?3.35）、Aro（β≈?1.73边缘）强负向；Pos+3边缘；β_H方向稳但量级先验敏感；β_Q、β_VL、H×VL、Q×VL均为稳健零。表明+3 flank chemistry与第三位是比X位H更稳固的规则。
Regional distribution
FR1 14.0%、FR4 12.1%、FR3 9.0%较高；FR2 0/119近完全抵抗；CDR2 0.7%。验证子集复制FR2/CDR2零事件，但FR1升至43.1%（小n=51）、FR3降至2.3%，显示PDB重叠主要在FR1/FR3贡献差异。
Third position and position-specific effects
N-X-T较N-X-S总体高3.84倍（13.64% vs 3.55%）；FR1比值最大（OR=13.38），CDR3反转为仅N-X-S占用（4/76），FR2/CDR2近零不论第三位。IMGT位20（FR1）为热点（主集37.0%，验证集90.0%）。
Decision tree held-out performance
泄漏校正树在验证集（n=449）AUC=0.743（CI 0.654–0.817），Brier skill +0.027，校准斜率0.514。8个L3叶中7个Borderline、1个Insufficient n，无叶达Confident Proceed/Modify。L3_T_Elev_VL训练14.47% vs 验证66.67%，单叶占验证事件54.5%，提示FR1轻链N-X-T为被低估高风险。
讨论部分总结与结论翻译
讨论指出穿透率受确认偏倚影响类同遗传学中先证者偏倚；7.82%为生化穿透率下限，真值在7.35–16.47%间。决策树L0按+3位Pro/Pos/Aro路由PROCEED（合计0.52%事件率），L1按X=H/K/W，L2按FR2/CDR2，L3按第三位×链型×区域层分级，但CI感知下无叶可自信归类，故定位为预筛而非纯计算分诊。与Melo-Braga、Van de Bovenkamp、Petrescu、Kasturi等既往调查一致或补足：Leu最常见X（16.96%），N-X-T偏好跨研究重现，但体外CGE排序（Shakin-Eshleman）不能预测VD内H/K零占用与D/E高占用，提示OST固有能力被折叠语境重排。
研究结论部分译文：本结构普查确立可变区糖基化穿透率经验基线（7.82%）显著低于富集估计；穿透率由链型、IMGT区域、X位与第三位联合调制。四点设计相关结论——（1）X位H与K零占用，属强而非绝对抑制；（2）Q穿透率与基线无别，非抑制因子；（3）FR1（尤其位20）与FR4为高位区域；（4）N-X-T较N-X-S聚合高约4倍。图5决策树将上述规律操作化为AI设计抗体的纯序列分诊器，叶级输出CI感知分级而非点预测。估计源自PDB人类抗体结构，向工业宿主治疗抗体之外推待位点分辨糖蛋白质组学验证。
