AbAgym:一个精心策划的数据集,用于对抗体-抗原复合物的突变分析
Gabriel Cia1, Dong Li1, Simón Poblete2,3
1Computational Biology and Bioinformatics, Université Libre de Bruxelles, Brussels, Belgium.
mAbs
|November 24, 2025
概括
一个新的手动策划的数据集,AbAgym,提供324k个抗体-抗原突变来训练计算模型. 目前的模型在预测结合亲和力变化方面表现出有限的成功,强调需要考虑生物复杂性.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 单克隆抗体是生物制药的主要类别.
- 计算模型对于加速抗体设计至关重要.
- 现有的抗体-抗原相互作用的突变发生学数据集是有限的,并没有得到良好的策划.
研究的目的:
- 介绍AbAgym,一个手动策划的抗体-抗原突变存储库.
- 为突变提供实验量化的结合亲缘关系数据.
- 对现有的计算模型进行基准测试,以预测绑定亲和力变化.
主要方法:
- 从文献中收集并策划了68个深度突变扫描 (DMS) 数据集.
- 包括抗体-抗原复合体中的 324k 个突变,其中 10% 在接口.
- 利用了抗体-抗原复合体的3D结构.
- 基准测量力场方法和机器学习模型.
主要成果:
- AbAgym含有大约324k个突变,具有实验量化的结合效应.
- 已建立的力场方法在预测结合亲和力变化方面表现不佳.
- 最近的机器学习模型的表现仅略高于随机.
- 分析揭示了生物复杂性的重要性,如形状变化.
结论:
- AbAgym为培训用于抗体设计的计算模型提供了宝贵的资源.
- 目前对抗体-抗原结合亲和力的预测模型需要显著改进.
- 对生物复杂性的考虑对于准确的结合预测和理解免疫逃避至关重要.


