💻 bioinformatics

An interpretable open platform for sequence-based antibody developability prediction

El artículo presenta DELPHI, una plataforma de código abierto que permite a los laboratorios entrenar, evaluar e interpretar predictores de desarrollabilidad de anticuerpos basados en secuencias mediante una validación cruzada rigurosa, logrando un alto rendimiento tanto en conjuntos de datos públicos como propietarios sin requerir acceso a los datos de entrenamiento propietarios.

Autores originales: Nguyen, H. N., Kothiwal, D., Su, Y., Kieu, M. A., Cao, R., Zhu, H., Teixeira, A. A. R.

Publicado 2026-09-24

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Nguyen, H. N., Kothiwal, D., Su, Y., Kieu, M. A., Cao, R., Zhu, H., Teixeira, A. A. R.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Los anticuerpos son los soldados especializados del sistema inmunológico, proteínas en forma de Y diseñadas para reconocer y neutralizar invasores específicos como virus o bacterias. En la medicina moderna, los científicos diseñan estas moléculas para combatir enfermedades que van desde el cáncer hasta los trastornos autoinmunes. Sin embargo, crear un anticuerpo terapéutico es una apuesta de alto riesgo. El hecho de que una molécula pueda agarrarse a un objetivo no significa que sobrevivirá al viaje hasta el paciente. Muchos candidatos fallan porque son "pegajosos", agrupándose o uniéndose a las proteínas incorrectas del cuerpo, lo que puede provocar que sean eliminados demasiado rápido o que desencadenen reacciones inmunitarias peligrosas. Estos fallos, conocidos como problemas de desarrollabilidad, suelen descubrirse tarde en el proceso de desarrollo, desperdiciando años de investigación y millones de dólares. Durante décadas, la única forma de saber si un anticuerpo era seguro y estable era sintetizarlo en un laboratorio y realizar pruebas físicas, un cuello de botella lento y costoso que no podía seguir el ritmo de los millones de candidatos potenciales generados por las tecnologías genéticas modernas.

Un equipo de investigadores del Institute for Protein Innovation ha construido una nueva herramienta llamada DELPHI para resolver este cuello de botella. Piense en ella como un explorador digital altamente entrenado que puede observar el plano genético de un anticuerpo y predecir si será estable y seguro, mucho antes de que se fabrique una sola molécula en un laboratorio. Los investigadores no solo crearon un modelo de predicción único; construyeron una plataforma abierta que permite a cualquier laboratorio entrenar sus propios predictores personalizados utilizando sus datos específicos. Al probar veinticinco combinaciones diferentes de técnicas de inteligencia artificial contra datos experimentales del mundo real, descubrieron que la clave para una predicción precisa no reside en la complejidad del algoritmo informático, sino en cómo se representa la secuencia del anticuerpo ante la máquina. Su sistema aprendió con éxito a detectar las sutiles firmas químicas que conducen al fracaso, como un desequilibrio de las cargas eléctricas en la región de unión del anticuerpo, y ahora puede evaluar candidatos con un nivel de precisión que rivaliza con el de los mejores expertos humanos.

El núcleo de este trabajo consiste en enseñar a las computadoras a leer el lenguaje de las proteínas. Los anticuerpos están hechos de cadenas de aminoácidos, y el orden específico de estos bloques de construcción determina cómo se comporta la molécula. Los investigadores recopilaron una colección masiva de secuencias de anticuerpos que ya habían sido probadas en el laboratorio, etiquetándolas como "aprobado" (estable y no pegajoso) o "fallido" (propenso a agruparse o pegarse a cosas incorrectas). Introdujeron estos datos en DELPHI, que probó diferentes formas de traducir estas cadenas de aminoácidos a un formato que una computadora pudiera entender. Algunos métodos trataron la secuencia como una simple lista de piezas, mientras que otros utilizaron "modelos de lenguaje" avanzados que comprenden el contexto y las relaciones entre las diferentes partes de la proteína, de forma muy similar a como un humano entiende que el significado de una palabra cambia dependiendo de la frase en la que se encuentre.

Los resultados fueron sorprendentes. El sistema aprendió que la elección de cómo representar la secuencia del anticuerpo era mucho más importante que el tipo de modelo informático utilizado para realizar la predicción. Específicamente, los modelos que observaban las cadenas pesadas y ligeras del anticuerpo de forma conjunta, en lugar de aislada, eran mucho mejores para detectar los patrones sutiles que conducen al fracaso. Al ser probado en una biblioteca de más de 246,000 anticuerpos, la mejor versión de DELPHI alcanzó un AUC de 0.95 al distinguir anticuerpos estables de inestables. Este rendimiento se mantuvo incluso cuando se le pidió al sistema que predijera el comportamiento de anticuerpos que nunca había visto, incluyendo aquellos de ensayos clínicos que no formaban parte de los datos de entrenamiento. En una prueba ciega contra una importante competencia de la industria, la herramienta funcionó tan bien como las mejores entradas humanas, a pesar de no tener acceso a los datos específicos de dicha competencia.

Más allá de simplemente predecir un aprobado o un fallo, DELPHI ofrece un nivel de detalle que antes no estaba disponible para la mayoría de los investigadores. No solo da una puntuación; explica por qué dio esa puntuación señalando los aminoácidos específicos responsables del riesgo. El análisis reveló un patrón constante: los anticuerpos que fallaban tendían a tener un exceso de componentes con carga positiva, particularmente arginina y lisina, en sus bucles de unión, mientras carecían de componentes con carga negativa como el aspartato. Este desequilibrio eléctrico hace que el anticuerpo sea "pegajoso", provocando que se agarre a proteínas no relacionadas o que se agrupe. La herramienta identificó esta misma firma peligrosa en dos tipos diferentes de fallos: anticuerpos que se pegaban a las cosas incorrectas y aquellos que no lograban permanecer como unidades únicas y estables. Esto sugiere que corregir la carga eléctrica en estas regiones específicas podría prevenir múltiples tipos de fallos a la vez.

Los investigadores también mapearon cuántos datos se necesitan para que estas predicciones sean fiables. Descubrieron que la precisión del sistema mejora rápidamente a medida que se añaden más datos, pero comienza a estabilizarse después de unos 5,000 anticuerpos diversos. Esto proporciona una guía clara para los laboratorios: no necesitan millones de muestras para construir un predictor útil; unos pocos miles de ejemplos bien caracterizados suelen ser suficientes para alcanzar un alto nivel de confianza. Además, la herramienta está diseñada para ser flexible. Debido a que es un software de código abierto, cualquier laboratorio puede cargar sus propios resultados experimentales, reentrenar el modelo para su tipo específico de anticuerpo y comenzar a evaluar inmediatamente nuevos candidatos. Esto democratiza la capacidad de predecir la desarrollabilidad, alejando al campo de los fallos costosos en etapas avanzadas y moviéndolo hacia un futuro donde los anticuerpos más prometedores se identifiquen tempranamente, ahorrando tiempo y recursos para los pacientes que los necesitan.

Resumen Técnico: DELPHI – Una plataforma abierta e interpretable para la predicción de la desarrollabilidad de anticuerpos basada en secuencias

Declaración del Problema

Las deficiencias de desarrollabilidad de los anticuerpos, tales como la polirreactividad (unión inespecífica) y la agregación (fallo de no ser monomérico), son causas principales del fracaso de candidatos en el desarrollo terapéutico, problemas que suelen descubrirse tarde en la etapa de desarrollo con un coste significativo. Aunque las tecnologías de exhibición modernas y la secuenciación de próxima generación (NGS) generan bibliotecas de $10^6$ – $10^{10}$ secuencias diversas, el cribado experimental no puede seguir el mismo ritmo. Si bien el aprendizaje automático (ML) basado en secuencias y los modelos de lenguaje de proteínas (PLM) ofrecen una vía para el precribado in silico, la mayoría de los enfoques publicados carecen de capacidad de reutilización, de capacidad de reentrenamiento y de una interpretabilidad granular. Las herramientas existentes rara vez proporcionan plataformas integradas que combinen la evaluación comparativa multimodelo (multi-PLM), la validación cruzada consciente de la fuga (leakage-aware), el análisis del tamaño del conjunto de entrenamiento y la atribución por residuo en un único marco de código abierto.

Metodología

Los autores presentan DELPHI (Deep End-to-end Learning Platform for antibody developability with High Interpretability), un flujo de trabajo de código abierto diseñado para construir, evaluar y desplegar clasificadores de desarrollabilidad basados en secuencias.

Curación de Datos y Conjuntos de Entrenamiento

Conjunto de datos IPI PSR: Curado a partir de bibliotecas de fragmentos Fab mediante exhibición en levaduras, cuya diversidad se limita al CDR H3 a través de ocho germinales VH y seis VL. Combina 7,494 anticuerpos etiquetados binariamente con alta confianza mediante PSR-ELISA (contra ADN, avidina, insulina, OVA/SMP) y 3,771 anticuerpos de alta polirreactividad tipo "Fall" identificados mediante selección de ssDNA basada en NGS, resultando en un conjunto casi equilibrado de 11,254 anticuerpos (53% Pass / 47% Fail).
Conjunto de datos IPI SEC: Contiene 5,045 anticuerpos con anotaciones binarias basadas en perfiles de cromatografía de exclusión por tamaño (SEC) (~64% Pass / 36% Fail). La clase "Pass" fue submuestreada utilizando puntuaciones de consenso de k-meros de RF/XGBoost fuera de la muestra (out-of-fold) para abordar el desequilibrio de clases mientras se retenían todos los anticuerpos "Fail".
Benchmarks Externos: Se utilizaron la biblioteca pública DS1 (246,293 anticuerdos scFv) y tres cohortes externas en fase clínica (Jain 2017, GDPa1, GDPa3) para validación por transferencia y zero-shot.

Arquitectura de Modelo y Evaluación Comparativa (Benchmarking)

DELPHI evalúa 25 combinaciones de clasificadores y representaciones de secuencia:

Clasificadores: XGBoost, Random Forest (RF), CNN, un Transformador sobre embebidos de modelos de lenguaje y un Transformador de doble rama con codificación one-hot.
Representaciones: Cinco PLM específicos para anticuerpos (AbLang2, IgBert, AntiBERTy, AntiBERTa2, AntiBERTa2-CSSP) además de descriptores biofísicos, frecuencias de k-meros y codificaciones one-hot.
Estrategia de Validación: La plataforma emplea validación cruzada estratificada por clúster de CDR H3 (umbral de identidad del 80%) para evitar la fuga por similitud de secuencias. También incluye un análisis automatizado de curvas de aprendizaje para caracterizar cómo escala el rendimiento con el tamaño del conjunto de datos.

Interpretabilidad

La plataforma proporciona interpretabilidad de multiresolución:

Modelos basados en árboles (RF, XGBoost): Utilizan SHAP (SHapley Additive exPlanations) para atribuir las predicciones a características biofísicas y recuentos de residuos.
Redes Neuronales: La arquitectura de doble rama TransformerOneHot utiliza Gradientes Integrados (IG). A diferencia de los embebidos de los PLM, que comprimen las secuencias en vectores latentes, la representación one-hot mapea directamente las entradas hacia aminoácidos específicos en posiciones definidas, permitiendo la atribución a nivel de residuo en toda la secuencia completa de VH + VL + CDR H3.
Mutagénesis In Silico: La plataforma genera mapas de calor de mutagénesis del bucle CDR3 para probar hipótesis de ingeniería sustituyendo residuos y observando la variación en $\Delta P(\text{Pass})$ .

Resultados Clave

Evaluaciones de Rendimiento (Benchmarks)

Dentro de la Distribución: En el conjunto de datos IPI PSR, todas las 20 combinaciones basadas en PLM alcanzaron un AUC medio de 0.959 ( $\pm$ 0.005). La mejor combinación (XGBoost + IgBert) alcanzó 0.967. Para la pureza monomérica por SEC, el AUC medio en las combinaciones de PLM fue de 0.933, siendo XGBoost + características biofísicas el que logró el mayor AUC de 0.9596.
Transferencia entre Bibliotecas: El uso de PLM resultó ser un determinante más fuerte del rendimiento que la arquitectura del clasificador. Los modelos de cadena pareada centrados en el marco estructural (como IgBert, AbLang2) demostraron una generalización superior.
- Los modelos entrenados en la biblioteca IPI, más pequeña pero altamente diversa, se transfirieron a la masiva biblioteca pública DS1 con un AUC de 0.950 (AbLang2).
- Por el contrario, los modelos entrenados en DS1 se transfirieron mal a IPI (AUC 0.741–0.883), lo que resalta la importancia de la diversidad del conjunto de entrenamiento frente al mero volumen.
Transferencia Clínica Zero-Shot: Los modelos entrenados en IPI lograron una transferencia zero-shot a cohortes clínicas externas:
- Jain 2017: AUC de 0.73 en un panel de polirreactividad binarizado.
- Ginkgo PR-CHO: Correlación de Spearman $|\rho| = 0.35$ , comparable a la mejor estimación puntual reportada (0.337) de la Competencia de Desarrollabilidad de Ginkgo 2025, sin haber sido entrenados con los datos de dicha competición.

Curvas de Aprendizaje

El análisis reveló que las ganancias de rendimiento se estancan aproximadamente a los 5,000 anticuerpos diversos en CDR H3 para el modelo Transformer + AbLang2. Por debajo de este umbral, el rendimiento era volátil; por encima de él, el AUC se estabilizó cerca de 0.95–0.96 para IPI y ~0.98 para DS0.

Hallazgos Biológicos e Interpretabilidad

Firma Conservada de CDR H3: Tanto la polirreactividad como la falla de pureza monomérica por SEC estuvieron asociadas con una firma electrostática específica: enriquecimiento de arginina (R) y lisina (K), disminución de aspartato (D), bucles CDR H3 más largos y una carga neta positiva en el CDR H3.
Atribución a Nivel de Residuo: Los análisis de IG y SHAP confirmaron que los residuos catiónicos (R, K) y el triptófano (W) impulsan las predicciones de "Fail", mientras que los residuos aniónicos (D) impulsan las de "Pass".
Hipótesis de Doble Responsabilidad: La convergencia de estas firmas a través de dos distintas responsabilidades biofísicas sugiere que reducir la carga neta positiva del CDR H3 podría mitigar simultáneamente tanto el riesgo de polirreactividad como el de agregación.

Significado y Reivindicaciones

El artículo sostiene que DELPHI aborda brechas críticas en el campo proporcionando:

Herramientas Abiertas y Retractables: A diferencia de muchos modelos publicados, DELPHI se lanza como un software ejecutable y reentrenable, lo que permite a cualquier laboratorio construir sus propios predictores a partir de sus propios datos experimentales.
Guía Cuantitativa de Datos: Las curvas de aprendizaje proporcionan reglas de diseño prácticas, indicando que ~5,000 anticuerpos diversos son suficientes para alcanzar mesetas de rendimiento para estas tareas.
Selección Consciente de Representación: El estudio demuestra que la elección del PLM (específicamente los modelos de cadenas pareadas como AbLang2 e IgBert) es más crítica para la transferencia entre bibliotecas que la propia arquitectura del clasificador descendente.
Hipótesis de Ingeniería a Nivel de Residuo: Al resolver las predicciones hasta los residuos individuales, DELPHI permite generar hipótesis de ingeniería contrastables (por ejemplo, mutaciones específicas en el CDR3 para reducir riesgos) en lugar de solo ofrecer clasificaciones binarias.

Los autores mantienen la modestia respecto a su capacidad de generalización, señalando que sus modelos han sido entrenados con bibliotecas de diversidad restringida en líneas germinales (8 VH, 6 VL) y que el rendimiento cae cuando se excluyen familias enteras de VH durante el entrenamiento (el AUC baja de 0.965 a 0.903). Reconocen que las deficiencias gobernadas por pliegues ensamblados, en lugar de composición de bucles, podrían requerir información estructural. Sin embargo, para las deficiencias y las bibliotecas examinadas, DELPHI establece que la desarrollabilidad es parcialmente predecible únicamente desde la secuencia, ofreciendo un marco escalable e interpretable para la fase temprana del descubrimiento de anticuerpos.