抗体-抗原对接与表位预测

知道抗体结合在抗原的哪个位置（表位），对表位分箱、竞争分析、逃逸突变预测、以及理性优化都很关键。这篇讲清计算方法的能力边界与实际做法。

三条技术路线

路线	方法	可靠性
复合物结构预测	AF-Multimer、Boltz、Chai-1	目前最好
蛋白-蛋白对接	HADDOCK、ClusPro、ZDOCK	中等，有约束时更好
序列/结构特征预测	基于表面性质预测「可能是表位的区域」	较弱，只给粗略提示

路线一：直接预测复合物（推荐）

# 用 Boltz 预测抗体-抗原复合物
# complex.yaml
version: 1
sequences:
  - protein:
      id: H
      sequence: EVQLVESGGGLVQPGGSLRLSCAAS...     # 重链可变区
  - protein:
      id: L
      sequence: DIQMTQSPSSLSASVGDRVTITCRAS...    # 轻链可变区
  - protein:
      id: A
      sequence: MKTVRQERLKSIVRILERSKEPVSG...     # 抗原

boltz predict complex.yaml --use_msa_server \
  --diffusion_samples 10 --out_dir results/

import json
import numpy as np

# 判读：ipTM 是界面质量的关键指标
conf = json.load(open("results/.../confidence_complex_model_0.json"))
print(f"ipTM: {conf['iptm']:.3f}")

# ipTM > 0.8   界面较可信
# ipTM 0.6~0.8 中等，需交叉验证
# ipTM < 0.6   不可信

# 多采样一致性检验（比单次 ipTM 更可靠）
# 若不同采样给出完全不同的表位 → 预测不可信

抗体-抗原复合物预测仍然困难：这类界面往往缺乏共进化信号（抗体与抗原不是共进化的伙伴），而共进化正是 AF 系模型的重要信息来源。成功率明显低于一般蛋白复合物预测。

路线二：带约束的对接

当有部分实验信息时，约束对接比盲对接可靠得多：

# HADDOCK 支持多种实验约束
# 常见的约束来源：
#   - 丙氨酸扫描：哪些残基突变后结合丧失 → 界面残基
#   - 氢氘交换质谱（HDX-MS）：结合后保护的区域
#   - 交联质谱：距离约束
#   - 竞争实验：与已知表位抗体竞争 → 表位重叠
#   - 逃逸突变：病毒/肿瘤逃逸突变位点常在表位内

# 约束文件示例（HADDOCK ambig.tbl 格式）
# assign (resid 59 and segid A) (segid H) 2.0 2.0 0.0

# 关键：即使只有少量实验约束，
#      也能把对接的搜索空间大幅收窄，显著提高准确性

路线三：表位倾向性预测

# 不预测具体表位，而是标出「哪些区域更可能是表位」

import freesasa
from Bio.PDB import PDBParser, DSSP

def epitope_propensity(antigen_pdb):
    """基于表面特征的表位倾向性"""
    features = {}

    # 1) 溶剂可及性 —— 埋藏的残基不可能是表位
    #    这是最硬的约束

    # 2) 突出程度（protrusion index）
    #    突出的区域更容易被抗体接触

    # 3) 柔性（B-factor 或预测的柔性）
    #    线性表位常在柔性 loop 上

    # 4) 亲水性
    #    表面暴露的极性区域更常是表位

    # 5) 保守性
    #    高变区常是免疫压力下的逃逸位点（也说明是表位）

    # 6) 糖基化屏蔽
    #    被糖基化屏蔽的区域通常不是表位（如 HIV Env 的糖盾）

    return features

# 这类预测只能给出粗略提示，
# 不能替代结构预测或实验测定

表位分析的实际用途

• 表位分箱（epitope binning）：把一组抗体按结合位置分组。实验上用竞争实验（SPR/BLI）做，比计算可靠得多——计算可以辅助解释分箱结果。
• 逃逸突变预测：表位内的突变可能导致抗体失效。对病毒靶点，这直接关系到抗体的耐用性。
• 组合抗体设计：选择表位不重叠的抗体做组合，降低逃逸风险。
• 亲和力优化：知道界面在哪，才能针对性地设计突变（见 366《抗体亲和力成熟》）。
• 功能预测：表位是否覆盖受体结合位点，决定抗体是中和性还是仅结合性。

实验方法（金标准）

方法	分辨率	通量
X 射线 / 冷冻电镜	原子级	低
HDX-MS	肽段级	中
丙氨酸扫描	残基级	中
深度突变扫描	残基级、全面	高
竞争实验（分箱）	表位组级	高
肽阵列	线性表位	高（仅线性表位）

深度突变扫描（DMS）是性价比很高的选择：用酵母/噬菌体展示做抗原的全位点突变文库，筛选抗体结合，直接得到残基级的表位图谱。它同时给出逃逸突变信息。

务实的工作流

# 1) 先做计算预测，形成假设
#    用 Boltz/AF-Multimer 预测，多采样看收敛性

# 2) 用低成本实验验证假设
#    竞争实验做表位分箱（判断是否与已知抗体重叠）
#    HDX-MS 定位大致区域

# 3) 用实验数据约束对接，精化模型

# 4) 关键抗体做结构解析
#    冷冻电镜或晶体结构，得到确定答案

# 关键认知：
#   抗体-抗原界面预测仍不可靠，
#   计算的作用是「生成假设并指导实验」，
#   而不是「给出答案」

延伸资源

• 结构预测：364《抗体结构预测》、365《CDR Loop 建模》、344《用 Boltz 或 Chai-1 预测蛋白-配体复合物》；
• 亲和力成熟：366《抗体亲和力成熟》；PPI：382《PPI 抑制剂》。