🧬 biology

Tokenizing Loops of Antibodies

本文介绍了 Igloo，一种多模态抗体环（antibody loop）分词器，它通过编码骨架二面角和序列来克服经典聚类的覆盖限制，从而增强蛋白质基础模型，以改进抗体环检索、结合亲和力预测和结构设计。

原作者： Ada Fang, Robert G. Alberstein, Simon Kelow, Frédéric A. Dreyer

发布于 2026-06-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Ada Fang, Robert G. Alberstein, Simon Kelow, Frédéric A. Dreyer

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，人类的免疫系统是一个巨大的钥匙库（抗体），旨在开启特定的锁（病毒和细菌）。这些钥匙最重要的部分是顶端那些可以摆动的“齿”（wiggly teeth），用来抓取锁。在科学界，这些摆动的齿被称为环（loops，具体称为互补决定区或 CDRs）。

几十年来，科学家们一直试图将这些环整理成整齐的类别，就像按流派对书籍进行分类一样。然而，旧的系统存在两个重大问题：

它不完整： 大约 20% 的环无法归入任何类别，成为了“无法分类的噪声”。
它太简单了： 旧系统只观察环的形状，忽略了构成环的具体字母（氨基酸）。

IGLOO（免疫球蛋白环分词器，ImmunoGlobulin LOOp Tokenizer）应运而生。你可以把 IGLOO 想象成一位超级聪明的图书管理员，她不仅能按流派对书籍进行分类，还能同时理解书中的“故事”（序列）和“装订方式”（形状）。

以下是论文如何通过简单的概念来解释 IGLOO 及其成就：

1. “Token”类比：将形状转化为文字

在计算机科学中，“分词”（tokenization）是将句子转化为计算机可以理解的单词列表的过程。

旧方法： 以前的方法试图通过观察每一个原子来描述一个环，就像试图通过列出每一颗像素的颜色来描述一幅画。这既缓慢又容易忽略全局。
IGLOO 的方式： IGLOO 观察整个环并说：“这种特定的形状和序列就像‘苹果’这个词。”它将复杂的 3D 结构转化为一个单一且紧凑的数字“Token（标记/词元）”。
神奇之处： 它通过观察环的“骨架”（链条弯曲的角度）来学习这一点。如果两个环的弯曲方式相同，IGLOO 会给它们相似的 Token，即使它们的氨基酸字母不同。

2. 训练：通过比较进行学习

IGLOO 是通过一场“寻找双胞胎”的游戏进行训练的。

计算机被展示成对的环。
如果两个环具有非常相似的弯曲角度，它们就被标记为“双胞胎”（正样本对）。
如果它们非常不同，则被标记为“陌生人”（负样本对）。
IGLIOO 学习将“双胞胎”在数字大脑中拉近，并将“陌生人”推开。这使得它能够创建一个地图，让相似的环生活在同一个社区。

3. IGLOO 究竟取得了什么成就

论文通过三种具体方式测试了这位新的图书管理员：

A. “寻找我的双胞胎”测试（检索）

任务： 给 IGLOO 一个环，并要求它从数百万个数据库中找到最相似的环。
结果： IGLOO 是这方面的佼佼者。它比以往任何方法都能更好地找到匹配的环。
亮点： 它在寻找 H3 环 的匹配方面表现尤为出色，而 H3 是抗体家族中最混乱、多样性最高的环。它比之前的最佳方法提高了近 6%。

B. “分选帽”测试（聚类）

任务： IGLOO 能否将环归入科学家们多年来使用的旧有既定类别（规范簇）中？
结果： 可以。它成功地将 90% 的环归入了正确的现有类别。
加分项： 与旧系统不同，IGLOO 还可以对那 20% 之前没有类别的环进行分类，给它们一个栖身之所，而不必强行将它们塞进不适合的框框里。

C. “预测器”与“创造者”测试
作者将 IGLOO 的新“Token”输入到两个不同的 AI 模型中，以观察它们是否变得更聪明：

IGLOOLM（预测器）： 该模型预测抗体与病毒的结合能力。当获得 IGLOO 的 Token 时，它比基础模型更能预测这种“粘性”（结合亲和力），通常优于规模更大的模型。
IGLOOALM（创造者）： 该模型尝试设计新的环。当被要求设计一个看起来具有特定形状但字母序列不同的环时，IGLOOALM 比目前的尖端工具做得更好。它创造出的环在字母组成上具有多样性，但保持了正确的 3D 形状。

4. 为什么这很重要（根据论文）

论文总结道，通过将抗体环视为“多模态 Token”（结合了形状和序列），IGLOO 捕捉到了这些环运作方式的真实多样性。

它解决了旧分类系统的“数据缺失”问题。
它使蛋白质语言模型（AI 大脑）变得更聪明、更高效。
它通过让科学家能够更有效地搜索和生成形状，助力于新型抗体的理性设计。

简而言之： IGLOO 是一个新工具，它将抗体末端复杂的、扭动的形状转化为计算机能更好地理解的语言，使我们能够比以前更精确地寻找、分类和设计它们。

技术摘要：IGLOO – 免疫球蛋白环结构标记器 (ImmunoGlobulin LOOp Tokenizer)

问题陈述

抗体中的互补决定区（CDRs）是对于抗原识别和结合至关重要的环状结构。历史上，这些环的多样性根据主链二面角被归类为“规范簇”（canonical clusters）（Chothia & Lesk, 1987; North et al., 2011）。然而，现有的规范聚类方法存在三个主要局限性：

覆盖范围有限： 大部分的抗体环，特别是高度多样化的 H3 环（76.3%），缺乏已知的匹配规范簇。
缺乏序列集成： 现有的聚类仅依赖于主链坐标或二面角，忽略了序列信息。
与基础模型不兼容： 当前的聚类方法无法轻易集成到蛋白质语言模型（PLMs）或多模态基础模型中，因为这些模型通常在氨基酸层面进行标记化（tokenization），而非在子结构环层面。

虽然近期的多模态 PLMs 已经引入了结构标记，但它们通常侧重于氨基酸层面的重建，并未考虑到蛋白质结构域的高层模块化特性。如何在标记化免疫球蛋白环时同时捕捉结构和序列的多样性，以实现有效的表示学习，仍然是一个开放性的挑战。

方法论：IGLOO

作者介绍了 IGLOO（免疫球蛋白环结构标记器），这是一种旨在通过结合序列和主链二面角来编码抗体环的多模态标记器。

架构与输入

IGLOO 在子结构环层面运行。对于长度为 $n$ 的环，输入包括：

序列： 氨基酸序列 $a = (a_1, \dots, a_n)$ 。
结构： 主链二面角 $\phi, \psi, \omega \in (-\pi, \pi]^n$ 。

二面角被投影到单位圆 $(\cos \theta, \sin \theta)$ 并通过一个线性层。序列使用针对 20 种标准氨基酸的可学习嵌入进行编码。这两类模态被相加以创建多模态嵌入 $X$ 。基于 ESM-2 的 Transformer 架构处理这些残基，输出代表整个环的连续分类标记 $t$ 以及残基级的多模态标记 $x_i$ 。

训练目标

IGLOO 使用包含四个目标的自监督对比学习框架进行训练：

掩码重建： 预测被掩码的二面角和被掩码的氨基酸身份。
主链对比学习： 这是核心创新。IGLOO 学习将具有相似主链二面角的环在潜在空间中拉近。相似性由二面角距离 $D$ $D$ （North et al., 2011）定义，相比 RMSD，它能更好地考虑蛋白质的手性本质和侧链位置。
- 正样本对： 长度相同且 $D < 0.1$ 的环。
- 负样本对： 长度不同，或长度相同但 $D > 0.47$ 的环。
- 应用了一个边际值（margin）以防止过度拟合用于定义规范簇的具体阈值。
码本学习（Codebook Learning）： 矢量量化损失将环分配给来自码本的离散标记 ( $\hat{t}$ )，从而促进快速检索和比较。

与语言模型的集成

作者展示了两种将 IGLOO 标记集成到蛋白质语言模型（从基础抗体模型 IgBert 微调而来）的方法：

IGLOOLM： 在每个 CDR 环的起始位置插入连续分类标记 $t$ 。这捕捉了整体环构象的上下文。
IGLOOALM： 在每个氨基酸处同时插入分类标记 $t$ 和多模态残基标记 $x_i$ 。这提供了残基级的结构上下文。

关键结果

1. 抗原表位检索 (Paratope Retrieval)

IGLOO 在从 SAbDab 数据库中检索相似环结构方面进行了评估。

性能： IGLOO 在检索具有相似主链结构（定义为 $D < 0.47$ 且 RMSD $< 1$ Å）的环方面达到了最先进水平（SOTA）。
H3 环特性： 对于高度多样化的 H3 环，在二面角距离检索的 Precision@20 指标上，IGLOO 分别超越了现有的最佳结构标记器（Amino Aseed）5.9% 和最佳蛋白质语言模型（ESM-2）69.8%。
效率： 尽管规模显著较小，IGLOO 的表现仍优于更大的模型（如 ESM-2 3B），证明了环级标记化的效率。

2. 规范簇的恢复

IGLOO 测试了其恢复由 Kelow et al. (2022) 定义的已知规范簇的能力。

纯度： 量化标记实现了极高的聚类纯度（例如，Heavy CDR4 为 0.983，Heavy CDR2 为 0.900）。
覆盖率： 与传统方法不同，IGLOO 为所有环分配了标记，解决了此前 20.3% 的环没有匹配规范簇的覆盖缺口。它成功复现了 SAbDab 中 90.6% 环的已知规范构象。

3. 结合亲和力预测

IGLOOLM 被用于预测 10 个抗原-抗体靶点（AbBiBench）中重链变体的结合亲和力。

性能： IGLOOLM 在 10 个中的 8 个 靶点上表现优于基础 IgBert 模型。
对比： 其表现与参数量多出 7 倍 的模型（如 ESM-2 3B）相当或更好。
观察： 在该特定任务中，仅使用分类标记的模型（IGLOOLM）的表现优于使用残基级结构标记的模型（IGLOOALM），这表明对于序列差异仅在于少量突变的深度突变扫描任务，环构象摘要比可能存在噪声的残基级结构预测更具鲁棒性。

4. 可控环采样

IGLOOALM 被用于对带有掩码序列的抗体环进行采样。

多样性 vs. 一致性： 采样的环在保持与原始环结构一致性的同时，展现出了高度的序列多样性。
案例研究： 在重新设计 SARS-CoV-2 抗体的 H3 环（PDB 7TCQ）时，IGLOOALM 生成的序列与原始序列的平均编辑距离为 6.6，但预测的结构仍保持了原始的 $\beta$ -发夹折叠，平均 RMSD 为 0.79 Å。这一表现优于最先进的抗体逆折叠模型（AbMPNN, AntiFold）。

意义与主张

论文声称 IGLOO 展示了为抗体环引入多模态标记的益处。通过结合序列和二面角来编码多样化的环构象景观，IGLOO：

改进基础模型： 增强了蛋白质语言模型的表达能力，使其能够捕捉到仅靠序列无法捕捉的结构基元。
解决覆盖问题： 提供了一种能够覆盖整个抗体环景观的标记方案，包括那些此前无法通过规范方法进行分类的环。
推进理性设计： 为结合亲和力预测以及可控生成多样且结构一致的抗体环提供了便利，这对于抗体工程和先导化合物优化至关重要。

作者指出，虽然 IGLOOALM 展示了强大的 in silico（计算机模拟）结果，但仍需要全面的湿实验验证，以确认重新设计的抗体是否能维持实际的抗原结合。他们设想未来的扩展将包括全原子结构、表位信息以及直接将结合亲和力作为模态引入。