Natalia Flechas Manrique Alberto Martínez Elena López-Martínez Luc Andrea Román Orus et al

摘要

表位是抗原性短肽序列，可被抗体或免疫细胞受体识别，是免疫疗法、疫苗及诊断技术开发的核心要素。然而，由于线性表位的氨基酸序列组合空间巨大（n个氨基酸的组合数为庞大的组合数），即使采用高通量实验技术，对合成表位文库进行筛选和测试也变得不可行，因此理性设计合成表位文库极具挑战性。本研究提出一种大型语言模型——epiGPTope，该模型在蛋白质数据上进行预训练，并针对线性表位进行了专门微调，首次实现了直接生成具有新表位样特征的肽序列。这些生成的序列在统计特性上与已知表位高度相似。该生成式方法可用于构建表位候选序列文库。此外，我们进一步训练了统计分类模型，以预测某一表位序列源自细菌还是病毒，从而有效缩小候选文库范围，提高识别特异性表位的可能性。我们提出，生成模型与预测模型的结合可为表位发现提供有力支持。该方法仅依赖线性表位的一级氨基酸序列，无需几何结构框架或人工设计的序列特征。通过开发一种生成生物学上可行序列的方法，我们有望实现合成表位的更快速、低成本生成与筛选，为新型生物技术的研发提供重要应用前景。