抗体亲和力成熟：AI 如何加速突变筛选

抗体的亲和力成熟——通过引入突变提高与抗原的结合强度——传统上靠大规模文库筛选。AI 的价值在于把「盲目筛选上百万个变体」变成「精准测试几百个候选」，大幅降低实验成本。

方法一：蛋白语言模型的零样本打分

不需要任何该抗体的实验数据，直接用预训练模型给突变打分。这是最容易起步的方法。

import torch, esm

model, alphabet = esm.pretrained.esm2_t33_650M_UR50D()
batch_converter = alphabet.get_batch_converter()
model.eval()

def zero_shot_mutation_scores(sequence, positions=None):
    """对每个位点的所有可能突变打分（掩码语言模型 log-ratio）"""
    _, _, tokens = batch_converter([("ab", sequence)])
    results = []

    positions = positions or range(len(sequence))
    for pos in positions:
        masked = tokens.clone()
        masked[0, pos + 1] = alphabet.mask_idx        # +1 因为有起始 token
        with torch.no_grad():
            logits = model(masked)["logits"]
        log_probs = torch.log_softmax(logits[0, pos + 1], dim=-1)

        wt = sequence[pos]
        wt_lp = log_probs[alphabet.get_idx(wt)].item()
        for aa in "ACDEFGHIKLMNPQRSTVWY":
            if aa == wt:
                continue
            score = log_probs[alphabet.get_idx(aa)].item() - wt_lp
            results.append({"position": pos + 1, "wt": wt, "mut": aa,
                            "score": score})
    return sorted(results, key=lambda x: -x["score"])

# 用法：只扫 CDR 区域（结合位点）
cdr_positions = list(range(cdr_h3_start, cdr_h3_end))
scores = zero_shot_mutation_scores(heavy_seq, cdr_positions)
print(scores[:20])

重要理解：ESM 的零样本打分衡量的是「这个突变在天然蛋白中常不常见」，即「是否破坏折叠/稳定性」，而不是「是否提高对该抗原的亲和力」。它的正确用法是先滤掉可能破坏抗体结构的突变，再在剩余的突变中寻找亲和力提升。

方法二：抗体专用语言模型

# 在抗体序列上训练的模型，更懂抗体的序列规律
# AntiBERTy、AbLang、IgLM 等

pip install antiberty

from antiberty import AntiBERTyRunner

antiberty = AntiBERTyRunner()
sequences = [heavy_seq, light_seq]

# 获取嵌入表示
embeddings = antiberty.embed(sequences)

# 序列填充（infilling）：预测被掩码位置的氨基酸分布
# 可用于评估突变的「抗体样性」

# 与 ESM 的区别：
#   ESM 学的是所有蛋白的规律
#   AntiBERTy 学的是抗体特有的规律（如 CDR 的高变性是正常的）
#   → 对抗体来说，专用模型的打分通常更合理

方法三：用实验数据训练（最有效）

如果做过深度突变扫描（DMS）或有一批变体的实测数据，监督学习的效果远好于零样本：

import numpy as np
from sklearn.model_selection import GroupKFold
import lightgbm as lgb

# 特征化：单点突变的表示
def mutation_features(wt_seq, mutations, embeddings):
    """mutations: [(position, wt_aa, mut_aa), ...]"""
    feats = []
    for pos, wt, mut in mutations:
        # 1) 位点的语言模型嵌入
        pos_emb = embeddings[pos]
        # 2) 氨基酸性质变化
        aa_props = amino_acid_properties(mut) - amino_acid_properties(wt)
        # 3) 位点的结构特征（若有结构）
        #    溶剂可及性、是否在界面、二级结构
        feats.append(np.concatenate([pos_emb, aa_props]))
    return np.array(feats)

# 关键：划分必须按位点分组，避免同一位点的不同突变跨划分
gkf = GroupKFold(n_splits=5)
groups = [m[0] for m in mutations]     # 按位点分组

scores = []
for tr, te in gkf.split(X, y, groups=groups):
    model = lgb.LGBMRegressor(n_estimators=500, verbose=-1)
    model.fit(X[tr], y[tr])
    pred = model.predict(X[te])
    scores.append(np.corrcoef(pred, y[te])[0, 1])
print(f"Spearman: {np.mean(scores):.3f} ± {np.std(scores):.3f}")

按位点分组划分是必须的：如果同一位点的 A→V 在训练集、A→I 在测试集，模型只要记住「这个位点很重要」就能拿高分，不反映真实的泛化能力。

方法四：结构辅助的界面分析

# 若有抗体-抗原复合物结构（实验或预测，见 371）

# 1) 识别界面残基
import MDAnalysis as mda
from MDAnalysis.analysis import distances

u = mda.Universe("complex.pdb")
ab = u.select_atoms("segid H or segid L")
ag = u.select_atoms("segid A")

d = distances.distance_array(ab.positions, ag.positions)
contact_atoms = ab[d.min(axis=1) < 5.0]
interface_residues = set(contact_atoms.resids)
print(f"界面残基: {sorted(interface_residues)}")

# 2) 优先在界面周边（而非界面核心）引入突变
#    界面核心残基通常已优化，改动风险高
#    界面周边（rim）有更多改善空间

# 3) 用 FoldX 或 Rosetta 计算突变的 ΔΔG
#    注意：预测精度有限（RMSE 常 > 1 kcal/mol），
#          只适合粗筛，不能定量

# 4) 寻找可优化的相互作用
#    - 未被填满的口袋 → 加大取代基
#    - 未配对的极性基团 → 引入互补残基
#    - 静电排斥 → 电荷反转

组合策略与实验设计

# 分层筛选，逐级收窄

# 第 1 层：ESM/AntiBERTy 零样本，滤掉破坏结构的突变
#          几千个可能突变 → 几百个

# 第 2 层：结构分析，聚焦界面周边位点
#          几百个 → 100~200 个

# 第 3 层：ΔΔG 计算（FoldX/Rosetta）粗排
#          → 优先级排序

# 第 4 层：实验测试
#          单点突变文库（几十到几百个）→ 测亲和力

# 第 5 层：组合有益突变
#          注意：单点有益的突变组合起来不一定叠加
#                （上位效应 epistasis 很常见）
#          需要实测组合体

# 实验设计要点：
#   - 包含野生型作为内标
#   - 包含已知有害突变作为阴性对照
#   - 覆盖不同位点而非集中在一处
#   - 每个位点试多种氨基酸性质（大小、电荷、极性）

上位效应：组合突变的陷阱

单点突变各自提升亲和力，组合起来未必更好——这是抗体工程中普遍存在的现象：

• 两个突变可能改善同一个相互作用，组合起来只有一份收益；
• 两个突变可能产生空间冲突；
• 累积突变可能损害稳定性或引入免疫原性。
• 实践建议：组合突变必须实测，不能靠单点数据加和推断；同时要监测热稳定性与表达量，避免为亲和力牺牲可开发性。

延伸资源

• 蛋白语言模型：194《ESM》；结构预测：364《抗体结构预测》、365《CDR Loop 建模》；
• 可开发性：367《抗体可开发性 Developability》；免疫原性：368《免疫原性预测》。