💻 bioinformatics

An interpretable open platform for sequence-based antibody developability prediction

本文介绍了 DELPHI，这是一个开源平台，使实验室能够通过严格的交叉验证来训练、评估和解释基于序列的抗体可开发性预测器，且在无需访问专有训练数据的情况下，在专有和公开数据集上均实现了高性能。

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

发布于 2026-09-24

📖 1 分钟阅读☕ 轻松阅读

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

原始论文采用 CC BY 4.0 许可（https://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

抗体是免疫系统的专业化士兵，是呈Y形结构的蛋白质，旨在识别并中和诸如病毒或细菌之类的特定入侵者。在现代医学中，科学家们通过工程化手段设计这些分子，以对抗从癌症到自身免疫性疾病的各种疾病。然而，创造一种治疗性抗体是一场高风险的赌博。仅仅因为一个分子能够抓住目标，并不意味着它能在通往患者的旅途中幸存下来。许多候选药物之所以失败，是因为它们具有“粘性”，会聚集在一起或与体内的错误蛋白质结合，这可能导致它们被过快清除或引发危险的免疫反应。这些被称为“可开发性缺陷”（developability liabilities）的失败，往往在开发过程的后期才被发现，从而浪费了数年的研究时间和数百万美元。几十年来，了解一种抗体是否安全且稳定的唯一方法是在实验室中合成它并进行物理测试，这是一个缓慢且昂贵的瓶颈，无法跟上现代遗传技术产生的数百万种潜在候选物体的速度。

来自蛋白质创新研究所（Institute for Protein Innovation）的一个研究小组构建了一个名为 DELPHI 的新工具来解决这一瓶颈。可以将它想象成一个训练有素的数字侦察兵，可以在实验室制造出第一个分子之前，通过观察抗体的遗传蓝图来预测其是否稳定且安全。研究人员不仅创建了一个单一的预测模型，还构建了一个开放平台，允许任何实验室使用其特定的数据来训练自己的定制预测器。通过将二十五种不同的人工智能技术组合与现实世界的实验数据进行对比测试，他们发现，准确预测的关键不在于计算机算法的复杂程度，而在于如何向机器呈现抗体的序列。他们的系统成功学会了识别导致失败的细微化学特征，例如抗体结合区域电荷不平衡的问题，并且现在能够以媲美顶尖人类专家的准确度来筛选候选药物。

这项工作的核心在于教计算机阅读蛋白质的语言。抗体由氨基酸链组成，这些构建块的具体顺序决定了分子的行为方式。研究人员收集了大量已经在实验室中经过测试的抗体序列，并将它们标记为“通过”（稳定且无粘性）或“失败”（易于聚集或粘附到错误物体上）。他们将这些数据输入 DELPHI，该系统尝试了多种将这些氨基酸链转化为计算机可理解格式的方法。有些方法将序列视为简单的零件列表，而另一些则使用了先进的“语言模型”，这些模型能够理解蛋白质不同部分之间的上下文和关系，就像人类理解一个单词的含义会根据所在的句子而改变一样。

结果令人瞩目。系统学到，如何表示抗体序列的选择远比使用哪种计算机模型来做出预测更为重要。具体而言，同时观察抗体的重链和轻链而非孤立观察的模型，在识别导致失败的细微模式方面表现得更好。在对超过 246,000 个抗体的库进行测试时，表现最好的 DELPHI 版本在区分稳定抗体与不稳定抗体方面达到了 0.95 的 AUC 值。即使当系统被要求预测它从未见过的抗体（包括来自非训练数据的临床试验中的抗体）时，这种性能依然保持稳定。在与一场主要的行业竞赛进行的盲测中，尽管该工具无法获取竞赛的特定数据，但其表现与顶尖的人类提交方案不相上下。

除了仅仅预测“通过”或“失败”之外，DELPHI 还提供了以往大多数研究人员无法获得的细节水平。它不仅仅给出一个分数，还会通过指出导致风险的具体氨基酸来解释给出该分数的原因。分析显示出一个一致的模式：失败的抗体往往在其结合环中拥有过多的带正电荷的构建块（特别是精氨酸和赖氨酸），同时缺乏带负电荷的构建块（如天冬氨酸）。这种电荷失衡使抗体具有“粘性”，导致它会抓取无关的蛋白质或聚集在一起。该工具在两种不同类型的失败中识别出了相同的危险特征：一是粘附到错误物体的抗体，二是无法保持为单一稳定单元的抗体。这表明，修复这些特定区域的电荷可以同时预防多种类型的失败。

研究人员还绘制了使这些预测变得可靠所需的多少数据。他们发现，随着更多数据的加入，系统的准确性会迅速提高，但在添加了大约 5,000 个多样化的抗体序列后，准确性开始趋于平缓。这为实验室提供了一个明确的指南：他们不需要数百万个样本来构建一个有用的预测器；通常只需要几千个经过良好表征的示例就足以达到高度的置信水平。此外，该工具旨在具备灵活性。由于它是开源软件，任何实验室都可以上传自己的实验结果，针对其特定类型的抗体重新训练模型，并立即开始筛选新的候选药物。这使预测可开发性的能力变得民主化，推动该领域从昂贵的后期失败转向一个更早地识别最具前景的抗体、从而为需要它们的患者节省时间和资源的未来。

技术摘要：DELPHI —— 一个用于基于序列的抗体可开发性预测的可解释开放平台

问题陈述

抗体可开发性缺陷（如多反应性/非特异性结合以及聚集/非单体失败）是导致治疗性药物开发中候选药物失败的主要原因，这些问题往往在研发流程后期才被发现，从而造成巨大的成本损失。虽然现代展示技术和下一代测序（NGS）可以产生 $10^6$ – $10^{10}$ 种多样化的库，但实验筛选的速度无法与之匹配。尽管基于序列的机器学习（ML）和蛋白质语言模型（PLM）为计算机模拟预筛选提供了一条路径，但大多数已发表的方法缺乏可重用性、可重训练性和细粒度的可解释性。现有的工具很少提供将多 PLM 基准测试、泄露感知交叉验证、训练集规模分析以及单残基归因集成在单一开源框架中的综合平台。

方法论

作者提出了 DELPHI（Deep End-to-end Learning Platform for antibody developability with High Interpretability，具有高可解释性的抗体可开发性深度端到端学习平台），这是一个旨在构建、基准测试和部署基于序列的可开发性分类器的开源流水线。

数据策展与训练集

IPI PSR 数据集： 策展自酵母展示 Fab 库，其多样性局限于 8 个 VH 和 6 个 VL 胚系中的 CDR H3。它结合了来自 PSR-ELISA（针对 DNA、阿维丁、胰岛素、OVA/SMP）的 7,494 个高置信度二元标记抗体，以及通过基于 NGS 的 ssDNA 选择识别出的 3,771 个高多反应性“失败（Fail）”抗体，形成了一个近乎平衡的 11,265 个抗体的集合（53% 通过 / 47% 失败）。
IPI SEC 数据集： 包含 5,045 个基于尺寸排阻色谱（SEC）图谱（~64% 通过 / 36% 失败）具有二元注释的抗体。为了解决类别不平衡问题，使用基于输出折叠（out-of-fold）的 RF/XGBoost k-mer 共识得分对“通过（Pass）”类进行了下采样，同时保留了所有“失败”抗体。
外部基准： 使用公共 DS1 库（246,293 个 scFv 抗体）和三个外部临床阶段队列（Jain 2017, GDPa1, GDPa3）进行迁移和零样本（zero-shot）验证。

模型架构与基准测试

DELPHI 评估了 25 种 分类器与序列表示的组合：

分类器： XGBoost、随机森林 (RF)、CNN、基于语言模型嵌入的 Transformer，以及双分支一热编码（one-hot）Transformer。
表示形式： 五种抗体特异性 PLM（AbLang2, IgBert, AntiBERTy, AntiBERTa2, AntiBERTa2-CSSP）外加生物物理描述符、k-mer 频率和一热编码。
验证策略： 该平台采用 CDR H3 簇分层交叉验证（80% 一致性阈值）以防止序列相似性导致的泄露。它还包括自动学习曲线分析，以表征性能随数据集规模的变化特征。

可解释性

该平台提供多分辨率的可解释性：

树模型（RF, XGBoost）： 使用 SHAP（SHapley Additive exPlanations）将预测归因于生物物理特征和残基计数。
神经网络： 双分支 TransformerOneHot 架构使用 集成梯度法（Integrated Gradients, IG）。与将序列压缩为潜在向量的 PLM 嵌入不同，一热编码表示将输入直接映射到特定位置的特定氨基酸，从而实现全长 VH + VL + CDR H3 序列的残基级归因。
In silico 诱变：该平台生成 CDR3 环诱变热图，通过替换残基并观察 $\Delta P(\text{Pass})$ 来测试工程设计假设。

关键结果

性能基准

分布内（Within-Distribution）： 在 IPI PSR 数据集上，所有 20 种基于 PLM 的组合均实现了 0.959 ( $\pm$ 0.005) 的平均 AUC。表现最好的组合（XGBoost + IgBert）达到了 0.967。对于 SEC 单体纯度，所有 PLM 组合的平均 AUC 为 0.933，其中 XGBoost + 生物物理特征实现的最高 AUC 为 0.9596。
跨库迁移： PLM 的选择对性能的影响比分类器架构更显著。以框架为中心的配对抗体 PLM（IgBert, AbLang2）表现出更优越的泛化能力。
- 在较小的、高度多样化的 IPI 库上训练的模型迁移至大规模 DS1 公共库时，AUC 为 0.950 (AbLang2)。
- 相反，在 DS1 上训练的模型向 IPI 迁移效果较差（AUC 0.741–0.883），这突显了训练集多样性相对于单纯数据量的更重要性。
零样本临床迁移： IPI 训练的模型实现了向外部临床队列的零样本迁移：
- Jain 2017： 在二元化多反应性面板上的 AUC 为 0.73。
- Ginkgo PR-CHO： Spearman $|\rho| = 0.35$ ，与 2025 年 Ginkgo 可开发性竞赛中报告的最佳点估计值（0.337）相当，且未在竞赛数据上进行训练。

学习曲线

分析显示，对于 Transformer + AbLang2 模型，性能增益在大约 5,000 个 CDR H3 多样化抗体处达到平台期。低于此阈值时，性能具有波动性；超过此阈值后，AUC 在 IPI 上稳定在 0.95–0.96 附近，在 DS1 上稳定在 ~0.98 附近。

生物学见解与可解释性

保守的 CDR H3 特征： 多反应性和 SEC 单体纯度失败都与特定的静电特征相关：精氨酸 (R) 和 赖氨酸 (K) 富集，天冬氨酸 (D) 缺失，CDR H3 环较长，且 CDR H3 带净正电荷。
残基级归因： IG 和 SHAP 分析证实，阳离子残基 (R, K) 和色氨酸 (W) 驱动“失败”预测，而阴离子残基 (D) 驱动“通过”预测。
双重缺陷假设： 这些特征在两种不同的生物物理缺陷之间的趋同表明，降低 CDR H3 的净正电荷可能同时减轻多反应性和聚集风险。

重要性与主张

本文声称 DELPHI 通过以下方面解决了该领域的关键空白：

开放、可撤回的工具： 与许多已发表的模型不同，DELPHI 以可运行、可重训练软件的形式发布，允许任何实验室利用自己的实验数据构建预测器。
定量的实验指导： 学习曲线提供了实用的设计规则，表明约 5,000 个多样化的抗体足以达到性能平台期。
表示感知的选择： 研究证明，PLM 的选择（特别是配对链模型如 AbLang2 和 IgBert）对于跨库迁移的重要性高于下游分类器架构。
残基级工程假设： 通过将预测解析到单个残基，DELPHI 能够生成可测试的工程假设（例如，通过减少特定 CDR3 突变来降低风险），而不仅仅是提供二元分类。

作者对泛化能力保持了谦逊，指出他们的模型是在受限胚系多样性（8 个 VH, 6 个 VL）的库上训练的，且当整个 VH 胚系在训练中被留出时，性能会下降（AUC 从 0.965 降至 0.903）。他们承认，由组装折叠而非环组成控制的缺陷可能仍需要结构信息。然而，对于所研究的缺陷和库，DELPHI 确立了可开发性在一定程度上可以仅从序列进行预测，从而提供了一个可扩展、可解释的框架，用于早期阶段的抗体发现。