- 8 次围观
生成模型正日益被用于建模适应性免疫受体库（AIRR）序列分布，这为解析塑造免疫应答的序列多样性并加速治疗性抗体和T细胞受体的设计带来了希望。然而，目前仍不清楚这些模型产生的输出是否具有生物学意义，还是仅仅捕捉了表层的序列统计特征，而忽略了由受体生成与选择所驱动的特征。 尽管亟需开展严格评估，但该领域仍缺乏公认的标准，因为鉴于数据结构的复杂性以及生物学真实值的缺失，现有机器学习评估指标并不能全部直接迁移到AIRR领域。因此，研究人员在评估模型和选择合适模型时面临困难，而这可能会对下游临床应用产生关键影响。 在本文中，我们采用了一组针对AIRR序列数据定制的评估指标，并系统比较了AIRR领域中提出的几类主流生成模型，包括变分自编码器、长短期记忆网络、抗体语言模型、选择模型以及简单的统计学基线模型。我们特别聚焦于学习个体特异性免疫受体库这一任务；这是一个具有临床相关性的挑战，并对个体化免疫治疗、疾病监测和疫苗应答研究具有直接意义。 通过分析各模型生成的序列，我们识别出其记忆化风险、创新能力以及对超参数调优的敏感性。总体而言，这些结果推进了对当前生成模型如何重现个体免疫受体库生物学特征的理解，并为更加规范化的模型开发与评估奠定了基础。
生成模型关于适应性免疫受体库学到了什么？一项基准研究 | bioRxiv
跳转至主要内容 首页 关于 提交 提醒 / RSS 搜索此关键词 高级搜索 新结果
生成模型关于适应性免疫受体库学到了什么？一项基准研究
查看 ORCID 主页 Charlotte Würtzen， 查看 ORCID 主页 Maria Mamica， 查看 ORCID 主页 Chakravarthi Kanduri， 查看 ORCID 主页 Milena Pavlović， 查看 ORCID 主页 Victor Greiff， 查看 ORCID 主页 Bjoern Peters， 查看 ORCID 主页 Geir Kjetil Sandve
doi： https://doi.org/10.64898/2026.07.10.737788
Charlotte Würtzen 1 奥斯陆大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC-ND 4.0 国际许可协议提供。
返回顶部 上一篇 下一篇
发表于 2026 年 7 月 16 日。 下载 PDF 电子邮件
您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或以逗号分隔。
您将通过电子邮件发送以下内容 《生成模型关于适应性免疫受体库学到了什么？一项基准研究》
消息主题 （您的姓名）已从 bioRxiv 转发一个页面给您
消息正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人工访问者，并防止自动垃圾信息提交。
分享
生成模型关于适应性免疫受体库学到了什么？一项基准研究 Charlotte Würtzen， Maria Mamica， Chakravarthi Kanduri， Milena Pavlović， Victor Greiff， Bjoern Peters， Geir Kjetil Sandve
bioRxiv 2026.07.10.737788； doi： https://doi.org/10.64898/2026.07.10.737788
分享本文： 复制
引用工具
生成模型关于适应性免疫受体库学到了什么？一项基准研究 Charlotte Würtzen， Maria Mamica， Chakravarthi Kanduri， Milena Pavlović， Victor Greiff， Bjoern Peters， Geir Kjetil Sandve
bioRxiv 2026.07.10.737788； doi： https://doi.org/10.64898/2026.07.10.737788
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.10.737788v1?rss=1
🏷️ 适应性免疫受体库 生成模型 模型评估 抗体序列 个体特异性 免疫受体设计