一种可解释的肽-HLA模型涌现出对结合能学与结构的学习能力

人类白细胞抗原（HLA）所结合并呈递的肽段范围会调节免疫应答，因此构成了疫苗设计、新抗原发现、自身免疫、移植以及超敏反应研究的基础。现代肽-HLA（pMHC）结合与呈递预测器具有令人瞩目的准确性，但它们本质上是黑箱模型；其内部计算过程不透明，且事后解释方法无法为归因提供保证。本文提出潜在基序相互作用聚合（LAtent Motif INteraction Aggregation，LAMINA）架构，其预测结果在设计上即具备可解释性和可归因性。LAMINA 将HLA伪序列和候选肽段中的每一个无间隔子序列嵌入为学习得到的“软”基序，对每一对HLA-肽段-基序进行评分，最后聚合这些分数以生成预测结果。尽管LAMINA仅包含470万个参数，并且在单台桌面工作站上约十小时即可完成训练，但在保留测试集上的结合亲和力回归任务中，其性能达到或超过当前最先进的预测器，在秩相关性方面也具有竞争力。值得注意的是，尽管该模型完全仅利用序列数据进行训练，但其模型状态与具有结构表征的pMHC复合物中的相互作用能及其他结构指标存在相关性。

人类白细胞抗原（HLA）能够结合并呈递的肽段范围会调节免疫反应，因此构成了疫苗设计、新抗原发现、自身免疫、移植以及超敏反应研究的基础。现代肽段-HLA（pMHC）结合与呈递预测器具有极高的准确性，但它们属于黑箱模型；其内部计算过程不透明，事后解释方法也缺乏归因保证。本文提出潜在基序相互作用聚合（LAtent Motif INteraction Aggregation，LAMINA）架构，其预测结果在构造上具备可解释性和可归因性。LAMINA将HLA伪序列和候选肽段中的每个无间隔子序列嵌入为学习得到的“软”基序，对每一对HLA-肽段-基序进行评分，最后聚合这些评分以生成预测结果。尽管LAMINA仅包含470万个参数，并且在单台桌面工作站上约十小时即可完成训练，但在留出数据的结合亲和力回归任务中，其性能达到或超过当前最先进的预测器，在秩相关性方面也具有竞争力。值得注意的是，尽管该模型完全仅基于序列数据进行训练，其模型状态仍与具有结构表征的pMHC复合物中的相互作用能及其他结构指标相关。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.08.750216v1?rss=1

🏷️ 肽-HLA结合预测 可解释机器学习 潜在基序相互作用 结合亲和力 新抗原发现