EpiESM-GA：用于公平B细胞表位预测的资源高效型蛋白质基础模型特征

B细胞表位预测有助于在疫苗设计、诊断开发和抗体发现过程中减少高成本的湿实验筛选。然而，当前的预测方法常常受到标签噪声大、泛化能力弱以及依赖结构信息的工作流程等问题的限制。本文提出EPIESM-GA，一种高效的、仅基于序列的线性B细胞表位预测流程。正负肽样本取自IEDB，该数据库提供经过实验检测的表位，并依据测定证据区分阳性和阴性表位记录（Vita et al., 2019）。每条肽序列均使用冻结的ESM-2蛋白质语言模型进行编码；该模型是一种双向Transformer，可为下游的结构与功能任务生成氨基酸嵌入表示（Lin et al., 2023）。随后，对均值池化后的嵌入进一步压缩，利用遗传算法构建紧凑的420维特征表示，并结合轻量级的Random Forest、XGBoost或MLP分类头进行分类。该方法避免了对基础模型进行微调，减少了可训练参数数量，提高了解释性，并支持低资源环境下的部署。在一个源自IEDB的基准数据集上，EpiESM-GA取得了0.880的AUC-ROC、0.852的PR-AUC、82.0的准确率、0.79的F1值以及0.74的MCC，性能优于稠密ESM-2特征以及LBCE-XGB、EpitopeVec和BepiPred-2.0等基线方法（结果为五个独立随机种子的均值和标准差）。该框架表明，冻结的蛋白质基础模型能够促进疫情防备、肽疫苗优先级排序、诊断抗原筛选以及更具公平性的计算免疫学发展。

B细胞表位预测有助于减少疫苗设计、诊断开发和抗体发现过程中高成本的湿实验筛选。然而，当前预测方法常常受到标签噪声大、泛化能力弱以及依赖结构信息的工作流程等问题的限制。本文提出EPIESM-GA，一种高效的、仅基于序列的线性B细胞表位预测流程。正负肽样本取自IEDB，该数据库提供经过实验检测的表位，并基于测定证据区分阳性和阴性表位记录（Vita等，2019）。每条肽序列均使用冻结的ESM-2蛋白质语言模型进行编码：该模型是一种双向Transformer，能够生成用于下游结构与功能任务的氨基酸嵌入表示（Lin等，2023）。随后，对均值池化后的嵌入进一步通过遗传算法压缩为紧凑的420维特征表示，并使用轻量级的Random Forest、XGBoost或MLP分类头进行分类。该方法避免了基础模型微调，减少了可训练参数数量，提高了可解释性，并支持低资源部署。在一个源自IEDB的基准数据集上，EpiESM-GA取得了0.880的AUC-ROC、0.852的PR-AUC、82.0的准确率、0.79的F1值以及0.74的MCC，优于稠密ESM-2特征以及LBCE-XGB、EpitopeVec和BepiPred-2.0等基线方法（结果为五个独立随机种子的均值和标准差）。该框架展示了冻结的蛋白质基础模型如何赋能大流行防备、肽疫苗优先级排序、诊断抗原筛选以及公平计算免疫学。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.22.733745v1?rss=1

🏷️ B细胞表位预测 蛋白质语言模型 序列分类 遗传算法特征选择 计算免疫学