《Computational Biology and Chemistry》：GCAT-BCE: A Hybrid GCN-GAT Framework for Enhanced Conformational B-Cell Epitope Prediction
编辑推荐：
•
一种基于RSA的残基过滤策略可以消除隐藏的残基，从而在构建图谱之前减少预测噪声。
•
多模态残基特征结合堆叠的残基GCN和GAT层可以捕获局部和远距离空间依赖性。
•
GCAT-BCE在四个独立的抗原基准数据集上超越了现有的最先进模型。
- •
一种基于RSA的残基过滤策略可以消除隐藏的残基，从而在构建图谱之前减少预测噪声。
- •
多模态残基特征结合堆叠的残基GCN和GAT层可以捕获局部和远距离空间依赖性。
- •
GCAT-BCE在四个独立的抗原基准数据集上超越了现有的最先进模型。
引言
B细胞是适应性免疫系统的核心组成部分，主要负责识别外来抗原并产生特异性抗体（Abeles等人，2024年）。B细胞表位（BCE）是指被B细胞受体识别并结合的抗原特定区域，构成了抗原诱导的B细胞免疫反应的分子基础。根据空间分布特征，BCE被分为两种类型：线性表位和构象表位（Kumar等人，2023年）。线性表位由连续的氨基酸序列组成，而构象表位则是由通过蛋白质折叠 brought into proximity 的非连续残基形成的。研究表明，超过90%的BCE是构象表位（Walter，1986年），其识别本质上依赖于源蛋白质的天然三维结构（Fedechkin等人，2020年）。因此，准确预测构象BCE对于开发疫苗、治疗性抗体和诊断试剂至关重要。然而，构象表位的不连续空间分布对计算预测构成了重大挑战。
现有的BCE预测研究主要可以分为基于序列的方法（例如，利用氨基酸的理化性质（Gao等人，2012年；Lin等人，2013年；Zhang等人，2014年；Dalkas和Rooman，2017年；Cun等人，2025年）或进化信息（Jespersen等人，2017年；Clifford等人，2022年；Kumar等人，2024年；Israeli和Louzoun，2024a年）以及基于结构的方法（例如，使用基于图的结构特征（Pittala和Bailey-Kellogg，2020年；Da Silva等人，2022年；Lu等人，2022年；Choi和Kim，2025年；Wang等人，2025年）；原子点云（Tubiana等人，2022年；Wang等人，2024年）或分子表面（Qi等人，2014年；Zhou等人，2019年））。
一个典型的基于序列的模型是BepiPred-2.0（Jespersen等人，2017年），它使用随机森林算法结合五种理化描述符，包括体积、疏水性、极性、相对表面可及性（RSA）和二级结构倾向。类似地，CLBTope（Kumar等人，2024年）利用组成和理化特征与传统的分类器进行BCE预测。最近，使用深度学习和预训练的蛋白质语言模型（PLMs）在构象BCE预测方面取得了显著进展（Ma和Liu，2025年；Liang等人，2025年；Shashkova等人，2022年；Clifford等人，2025年；Sahni等人，2025年；Liang等人，2025年；Li等人，2024年）。例如，BepiPred-3.0（Clifford等人，2022年）利用Evolutionary Scale Modeling 2（ESM-2）（Lin等人，2023年）的进化尺度嵌入来捕获BCE的结构信息，从而提高了对线性和构象表位的预测准确性。通过将ESM-2嵌入与双向长短期记忆网络（Bi-LSTM）结合，CALIBER（Israeli和Louzoun，2024a）也取得了令人满意的性能，构象表位预测的AUC为0.769。
DiscoTope-2.0（Kringelum等人，2012年）是一个经典的结构基模型，它结合了空间邻近性和半球暴露性进行BCE预测。Epitope3D（Da Silva等人，2022年）从抗原结构中提取几何和RSA特征，并应用监督学习来识别表位区域。SEMA 2.0（Ivanisenko等人，2024年）利用预训练的SaProt（Su等人，2024年）和ESM-2，结合辅助模型来识别局部结构相似性。DiscoTope-3.0（Hoie等人，2024年）采用Evolutionary Scale Modeling逆折叠（ESM-IF）（Hsu等人，2022年）表示和正标签（PU）学习策略来预测线性和构象表位。通过将基于ESM-2的序列信息与AlphaFold2（Jumper等人，2021年）预测的结构结合，GraphBepi（Zeng等人，2023年）整合了Bi-LSTM和图神经网络（GNNs）来共同建模序列和空间特征。类似地，EpiGraph（Choi和Kim，2024年）和BIDpred（Choi和Kim，2025年）将抗原表示为残基级别的图，并应用图注意力网络（GAT）来捕获空间依赖性。AlphaEpi（Jiang等人，2024年）在不同Fold派生结构上使用深度神经网络来学习上下文残基表示。
尽管在构象BCE预测方面取得了最近进展，但这些模型的泛化能力和对少数类表位的判别能力仍然有限。在此，我们提出了GCAT-BCE，这是一个结合了GCN和GAT的混合模型，用于预测构象BCE。它利用堆叠的GCN层和残基连接来编码多模态特征（如二级结构、相对溶剂可及性和表位倾向），并采用GAT层来建模长距离残基依赖性。为了提高预测准确性，在构建图谱之前，根据相对表面可及性对抗原结构的隐藏残基进行了预过滤。结果表明，GCAT-BCE在AUC-PR性能和泛化能力方面显著优于现有的基于序列和基于结构的预测模型。
节片段
数据集
训练集和测试集来自BepiPred-3.0模型（Clifford等人，2022年）。如BepiPred-3.0所述，BCE是从PDB数据库中的晶体抗原-抗体复合物中提取的（Berman等人，2000年；Joosten等人，2011年），分辨率≤3 ?且R因子≤0.3。从1036个抗原-抗体复合物中获得了1466个抗原序列，共计28,162个表位残基（9.07%）。为了减少冗余和潜在偏差，使用了MMseqs2（Mirdita等人，2019年）。
基于RSA的隐藏抗原残基预过滤
图2显示了带有或不带有RSA过滤的GCAT-BCE模型的验证和测试性能。结果表明，尽管AUC-ROC值略有下降，但结合RSA过滤后AUC-PR值有所提高。值得注意的是，当RSA阈值增加到0.15时，GCAT-BCE模型取得了最高的AUC-PR值（验证：0.429；测试：0.502）。因此，后续研究选择了0.15的RSA阈值。
讨论与结论
准确识别构象BCE对于疫苗设计、治疗性抗体开发以及阐明抗原-抗体相互作用的分子机制至关重要。为了解决BCE预测任务中常见的高假阳性率问题，我们开发了GCAT-BCE，这是一个结合了多模态结构特征和基于RSA的残基预过滤策略的混合GCN-GAT模型。
全面评估
资助
本工作得到了重庆市技术创新与应用开发重点项目（项目编号：CSTB2025TIAD-KPX0007）的支持。
CRediT作者贡献声明
Ting Long：验证、监督、调查。Hu Mei：撰写 – 审稿与编辑、可视化、软件、资源、方法学、调查、形式分析、概念化。Rui Liu：撰写 – 审稿与编辑、初稿撰写、可视化、验证、软件、项目管理、方法学、调查、形式分析、数据管理、概念化。Yuanyuan Lei：撰写 – 审稿与编辑、验证、监督、数据管理。Wentao Xu：验证，
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
作者感谢重庆市技术创新与应用开发重点项目（项目编号：CSTB2025TIAD-KPX0007）对这项研究的财务支持。我们也感谢同事们的宝贵讨论，这些讨论有助于改进这项工作。
Rui Liu|Yuanyuan Lei|Wentao Xu|Hanxi Yu|Ting Long|Hu Mei
