近日，凯发k8合肥物质凯发k8研究院研发出基于表型感知对比学习的抗体语言模型BCRInsight。该模型通过对海量序列的自监督学习，实现了对复杂免疫信号的深度解码，在抗体结合位点预测和B细胞亚群分析等任务上均达到当前最佳性能。

B细胞受体（BCR）免疫库蕴含丰富的生物学信号，决定抗原识别的特异性，记录B细胞激活、成熟及演化过程。传统方法难以解析抗体序列的复杂语义，单细胞测序技术成本高昂，因此亟需研发低成本、高效、可深度提取复杂生物语义的新型计算工具。

研究团队构建了基于12层Transformer编码器、约8600万个可训练参数的深度学习框架BCRInsight。与传统仅依赖掩码的语言模型不同，团队引入表型感知对比学习策略，在8000万条人类BCR序列的大规模数据集上完成预训练。在输入设计上，模型将氨基酸序列与基因注释等元数据，进行类似自然语言处理中“句子对”的联合编码。

实验显示，BCRInsight展现出优异的泛化与表征能力。在B细胞亚群分析中，模型能够从高度复杂的bulk BCR-seq数据中低成本地反卷积出B细胞亚群组成比例，准确率超越现有模型；在抗体结合位点预测测试中，其AUROC达0.962，性能优于九种先进方法。在未接触任何三维结构监督信号的条件下，该模型凭借自注意力机制感知蛋白三维结构，聚焦于决定抗原识别的关键HCDR3环区及结构支撑位点。

这一研究为实现从阅读免疫语言到编写免疫语言的跨越，以及指导疾病特异性抗体的人工设计与优化提供了支撑。

相关研究成果发表在Briefings in Bioinformatics上。

论文链接

BCRInsight模型框架