Can Folding Models Tell Binders from Bluffers? Evidence from POISK: The Patent-Derived Antibody Dataset
本文介绍了大规模专利衍生抗体数据集 POISK，旨在证明虽然目前的结构预测模型在统计学上可以比随机选择更有效地富集结合剂识别，但它们在单候选筛选和精确表位定位方面仍缺乏可靠性，因此必须与正交实验方法结合使用。
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
在寻求治愈疾病的过程中，科学家们经常转向抗体——这是人体天然的防御者，负责追踪并猎杀病毒和细菌等入侵者。这些分子是Y形蛋白质，其工作原理是锁定一个特定的目标，就像钥匙契合锁孔一样。几十年来，为新锁寻找正确的钥匙一直是一个在实验室中通过试错进行的缓慢且昂贵的过程。最近，出现了一种有望加速这一进程的新工具：计算机程序可以通过观察化学代码来预测蛋白质的三维形状。人们一直希望，如果计算机能够自信地预测抗体如何折叠并抓取目标，就意味着这种抗体在现实世界中确实有效。这一理念促使许多研究人员将这些数字预测作为第一道过滤器，希望能借此跳过对最有希望的候选者的实验室工作。
然而，来自罗氏（Roche）研究人员的一项新研究表明，尽管这些数字工具正在变得更好，但它们尚未可靠到可以独立被信任。由达里亚·图皮基娜（Daria Tupikina）和布伦南·阿巴纳德斯（Brennan Abanades）领导的团队，旨在通过他们从头构建的大规模全新数据集来测试这一假设。他们没有使用计算机程序可能已经学习过的旧数据，而是挖掘了数千份专利文件。专利是公司为保护其发明而提交的法律文件，其中包含了数千个经过测试并证明能与特定目标结合的真实抗体案例。研究人员利用人工智能阅读了超过一万份此类专利，提取了近九万条抗体相互作用记录。随后，他们整理出一组包含两万两千对特定关系的集合，将已知的结合体与预期不结合的相似抗体进行匹配，从而创建了一个严谨的测试，以观察计算机模型是否能分辨出其中的差异。
结果显示，表现最好的计算机模型（名为 Protenix-v2）在整个数据集中的识别率约为 72%，能够区分真实的结合体与非结合体。当研究人员仅观察计算机置信度最高的预测结果时，这一成功率上升到了 87%。虽然这比随机猜测有了显著提高，但仍达不到取代实验室实验的标准。在一次模拟实验中，计算机必须从五十个诱饵中找出唯一的正确结合体，而表现最好的模型仅在 29% 的情况下取得了成功。虽然这比随机概率提高了十四倍，但也意味着在超过七成的尝试中，计算机仍然会错过正确答案。研究还发现，这些模型在精准定位抗体附着在目标上的具体位置方面表现欠佳，仅在约 63% 的案例中能准确判断位置。
或许最令人惊讶的发现是，计算机给出的高置信度评分并不总是意味着预测的形状在物理上是正确的。研究人员发现，当多个不同的计算机模型对同一个抗体-目标对的形状达成一致时，其为真实结合体的可能性会大幅增加，在最严格的情况下甚至达到了 96% 以上。然而，这种一致性非常罕见，仅发生在极小比例的尝试中。该研究得出结论，这些折叠模型提供了一个有用的信号，可以帮助缩小搜索范围，但它们目前还不能成为唯一的决策者。它们最好作为更大流程中的一个步骤，与其他方法互补使用，而不是作为一种能瞬间识别出完美药物候选者的“灵丹妙药”。研究人员已向科学界发布了他们的新数据集，命名为 POISK，希望它能帮助他人构建更强大的未来工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。