表达——即抗体能否以可用产率生产——是治疗药物发现过程中最早且成本最高的筛选环节之一。我们提出了 AINN-Express，这是一种仅基于序列的 VHH 单域抗体（纳米抗体）表达预测器，构建于 Ainnocence 的蛋白质基础模型 AINN-P1 之上。AINN-Express 使用冻结的 AINN-P1 编码器对 VHH 进行编码，并通过轻量级梯度提升分类器对其进行评分：它仅需输入氨基酸序列，即可返回表达概率，无需结构信息，也无需针对具体任务训练模型。在防止数据泄漏的按项目留出评估中，AINN-Express 在已知抗体项目内达到 0.87 的 ROC-AUC，在完全全新的项目上达到 0.81，均显著高于多数类基线，因此可作为湿实验前筛选候选分子的实用工具。我们进一步通过与通用蛋白质语言模型进行受控且考虑数据泄漏的基准比较，论证了编码器的选择：在该任务中，AINN-P1（1.67 亿参数）对未见项目的泛化能力远优于通用 ESM2（6.5 亿参数），其新项目 ROC-AUC 分别为 0.81 和 0.68；与此同时，在未进行任务特异性微调的情况下，AINN-P1 达到了领域微调 ESM2 的水平（0.83），而参数量约为后者的四分之一。在随机划分下，所有编码器的得分均约为 0.88，这一差异并不可见；只有按项目留出评估才能揭示，通用嵌入在很大程度上编码的是项目身份，而非可迁移的表达决定因素。真正使 AINN-Express 实现良好泛化的，是专门构建的表征质量，而不是参数量。
AINN-Express：一种基于 AINN-P1 蛋白基础模型、具备数据泄漏感知能力的仅序列 VHH 抗体表达预测器 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索关键词
高级搜索
最新结果
AINN-Express：一种基于 AINN-P1 蛋白基础模型、具备数据泄漏感知能力的仅序列 VHH 抗体表达预测器
Roger
Wang
，
Kevin
Jin
，
Lurong
Pan
DOI：
https://doi.org/10.64898/2026.07.21.739256
Roger Wang
Ainnocence, Inc.
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本站搜索该作者
Kevin Jin
Ainnocence, Inc.
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本站搜索该作者
Lurong Pan
Ainnocence, Inc.
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本站搜索该作者
通讯作者：
lurong.pan{at}ainnocence.com
摘要
信息 / 历史
指标
预览 PDF
摘要
表达能力，即抗体能否以可用产量进行生产，是治疗性药物发现过程中最早且成本最高的筛选指标之一。我们提出了 AINN-Express，这是一种仅基于序列的 VHH 单域抗体（纳米抗体）表达预测器，构建于 Ainnocence 的蛋白基础模型 AINN-P1 之上。AINN-Express 使用冻结的 AINN-P1 编码器对 VHH 进行编码，并通过轻量级梯度提升分类器对其进行评分：该模型仅需输入氨基酸序列，即可返回表达概率，既不需要结构信息，也不需要针对每项任务进行模型训练。在无数据泄漏的留出项目评估中，AINN-Express 在已知抗体项目内取得了 0.87 的 ROC-AUC，在完全未见过的新项目上取得了 0.81，显著优于多数类基线，因此可作为湿实验前候选物优先级排序的实用工具。我们进一步为编码器的选择提供了依据，使用一种】【。
与通用蛋白质语言模型进行受控且考虑数据泄漏的基准比较显示：在这项任务中，AINN-P1（1.67 亿个参数）对未见过的实验方案的泛化能力远优于通用型 ESM2（6.5 亿个参数），新方案 ROC-AUC 分别为 0.81 和 0.68；在无需针对具体任务微调的情况下，其表现与经过领域微调的 ESM2（0.83）相当，而参数量仅约为后者的四分之一。随机划分时，各编码器的得分均约为 0.88，无法看出这种差距；只有采用留一实验方案评估时才会发现，通用型嵌入主要编码的是实验方案身份，而非可迁移的表达决定因素。使 AINN-Express 实现良好泛化的关键，是专门构建的表征质量，而非参数量。
利益冲突声明
所有作者均隶属于 Ainnocence, Inc.。该公司开发了本研究评估的 AINN-P1 蛋白质基础模型，并资助了本项研究。作者声明，这一隶属关系构成利益冲突。
已申报的资助方信息
Ainnocence, Inc.
版权
本预印本的版权归作者/资助方所有。作者/资助方已授予 bioRxiv 永久展示该预印本的许可。
保留所有权利。未经许可，不得重复使用。
返回顶部
上一篇
下一篇
发布于 2026 年 7 月 24 日。
下载 PDF
电子邮件
感谢您有意传播 bioRxiv 上的内容。
注意：系统索取您的电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
发送给
*
请在不同的行中输入多个地址，或使用逗号分隔。
您将要发送的内容
AINN-Express：基于 AINN-P1 蛋白质基础模型、仅使用序列的 VHH 抗体表达预测器，并考虑数据泄漏问题
邮件主题
（您的姓名）转发了一篇 bioRxiv 页面给您
邮件正文
（您的姓名）认为您……
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类访客，并防止自动垃圾信息提交。
分享
AINN-Express：基于 AINN-P1 蛋白质基础模型的泄漏感知型、仅依赖序列的 VHH 抗体表达预测器
Roger Wang、Kevin Jin、Lurong Pan
bioRxiv
2026.07.21.739256
doi：https://doi.org/10.64898/2026.07.21.739256
分享本文：
复制
引用工具
AINN-Express：基于 AINN-P1 蛋白质基础模型的泄漏感知型、仅依赖序列的 VHH 抗体表达预测器
Roger Wang、Kevin Jin、Lurong Pan
bioRxiv
2026.07.21.739256
doi：https://doi.org/10.64898/2026.07.21.739256
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（标记格式）
EndNote 8（XML）
Medlars
Mendeley
Papers
RefWorks（标记格式）
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知（7826）
生物化学（18281）
生物工程（14452）
生物信息学（43256）
生物物理学（22045）
癌症生物学（19158）
细胞生物学（26265）
临床试验（138）
发育生物学（13685）
生态学（20487）
流行病学（2067）
进化生物学（24947）
遗传学（15894）
基因组学（23083）
免疫学（18265）
微生物学（41477）
分子生物学（17603）
神经科学（91190）
古生物学（682）
病理学（2919）
药理学与毒理学（4969）
生理学（7911）
植物生物学（15570）
科学传播与教育（2072）
合成生物学（4447）
系统生物学（10034）
动物学（2324）
关键词：VHH抗体表达预测 · 蛋白质基础模型 · 抗体药物发现 · 数据泄漏评估 · 蛋白质序列建模
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.21.739256v1?rss=1