结构感知深度学习预测流感抗原性并指导疫苗毒株推荐

甲型流感病毒（influenza A viruses, IAVs）中遗传突变的持续积累会驱动抗原漂移，因此需要进行精确的抗原性预测，以实现最佳疫苗毒株选择。尽管基于序列的方法推动了抗原监测的发展，但其忽略了从根本上决定病毒抗原性的三维结构背景。在此，我们提出Vir3D，该方法利用由氨基酸序列经ESMFold推导得到的结构信息，精确预测病毒抗原性并指导疫苗毒株选择。 在人体H3和高致病性禽源H5两种亚型中，Vir3D不仅能够准确区分抗原变异株并推断成对抗原距离，还能够从机制层面解析驱动病毒免疫逃逸的关键结构残基。在一项长达十年的回顾性分析中，Vir3D优先筛选的疫苗相比世界卫生组织（WHO）的推荐，始终能够对流行毒株实现更广泛的抗原覆盖。 关键的是，Vir3D成功预测新出现的美国奶牛H5N1病毒（TX/24）相对于2.3.4.4b分支疫苗毒株在抗原性上仍保持稳定，而随后进行的血凝抑制（hemagglutination inhibition, HI）实验验证明确证实了这一发现。总体而言，Vir3D建立了一个强有力的结构驱动型框架，可用于前瞻性流感监测和大流行防范。

流感A病毒（IAVs）中遗传突变的持续累积会驱动抗原漂移，因此需要进行精确的抗原性预测，以实现最佳的疫苗毒株选择。尽管基于序列的方法推进了抗原监测的发展，但其忽略了从根本上决定病毒抗原性的三维结构背景。在此，我们提出了 Vir3D，该方法利用由氨基酸序列经 ESMFold 推导得到的结构信息，精确预测病毒抗原性并指导疫苗毒株选择。在人源 H3 和高致病性禽源 H5 两种亚型中，Vir3D 不仅能够准确区分抗原变异株并推断成对抗原距离，还能够从机制层面解析驱动病毒免疫逃逸的关键结构残基。在一项长达十年的回顾性分析中，由 Vir3D 优先筛选的疫苗相较于世界卫生组织（WHO）的推荐，持续实现了对流行毒株更广泛的抗原覆盖。关键的是，Vir3D 成功预测，新兴的美国奶牛 H5N1 病毒（TX/24）相对于 2.3.4.4b 分支疫苗毒株在抗原性上仍保持稳定，而后续基于血凝抑制（HI）实验的湿实验验证明确证实了这一发现。总体而言，Vir3D 建立了一个强有力的、结构驱动的框架，可用于前瞻性流感监测和大流行防范。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.02.742372v1?rss=1

🏷️ 流感抗原预测 结构感知深度学习 疫苗毒株推荐 抗原漂移 免疫逃逸 H5N1