您的位置首页 >人工智能 >

Genome Biol. | 抗体语言模型评测基准集 为计算抗体设计提供选型指南

Genome Biology 刊发了一套面向抗体语言模型的综合评测基准集,系统对比多款主流抗体语言模型在抗体设计相关任务上的表现,给科研和工业做计算抗体设计时挑选模型提供清晰参考。抗体语言模型越来越多地用来辅助抗体发现、亲和力预测、CDR 区域设计,但不同模型擅长任务不一样,过去缺少统一对比标准,很容易出现选型盲目;该研究纳入 8 款模型,覆盖结合预测、亲和力回归、抗原结合位点、CDR 预测五类任务,同时测试预训练数据规模、微调策略带来的性能变化。整体结果显示 AbLang、AntiBERTa2、AbLang2 综合表现更均衡,BALM 在亲和力回归任务更突出,二元结合分类任务上模型差距偏小,而且预训练数据集压缩到 57.6 万条序列,对整体效果影响有限。这份基准可以帮研发人员按目标任务挑模型,但基准只是序列层面的算法评估,最终候选抗体依旧需要细胞、蛋白等湿实验验证,不能只用基准分数替代生物活性验证。

一、评测纳入模型清单

  • AntiBERTy、AntiBERTa、AntiBERTa2
  • AbLang、AbLang2、ReprogBert
  • BERT2DAb、BALM

二、五大评测任务分类

任务类型具体任务说明
序列级任务HER2 结合预测判断抗体是否可结合 HER2 抗原
序列级任务SARS-CoV-2 结合预测病毒抗原结合分类
序列级任务结合亲和力回归预测抗体和抗原之间亲和力数值
标记级任务Paratope 抗原结合位点预测定位抗体上负责结合抗原的残基
标记级任务CDR 互补决定区预测识别核心可变区域

三、核心结论要点

  1. 综合性能:AbLang、AntiBERTa2、AbLang2 综合得分靠前,适合通用抗体设计工作流
  2. 任务专长:BALM 优势集中在亲和力回归,适合亲和力定量预估场景
  3. 数据规模:预训练序列量降到 57.6 万,多数模型性能降幅很小,部分模型甚至小幅提升
  4. 微调价值:微调策略、下游训练集大小会明显改变最终效果,选型之后还要评估微调方案
  5. 局限:基准没有包含表达量、免疫原性、稳定性、体内药效等成药性指标

四、选型使用步骤

  1. 明确目标:确定是做结合分类、亲和力预测,还是 CDR 序列生成
  2. 对照基准结果,初选在该任务表现更优的抗体语言模型
  3. 评估算力、推理速度、开源许可,匹配项目预算与交付要求
  4. 按项目自有数据做微调,建立内部验证集
  5. 模型输出候选序列,安排体外结合、表达验证等湿实验

【相关 FAQ】

问题 1:Genome Biol. 的抗体语言模型评测基准集,能直接决定计算抗体设计用哪款模型吗?

回答 1:Genome Biol. 的抗体语言模型评测基准集提供计算抗体设计的选型参考,可缩小候选范围,还需要结合算力、微调条件、湿实验结果综合确定模型。

问题 2:这套抗体语言模型评测基准集里面,哪一款更适合计算抗体亲和力预测?

回答 2:根据 Genome Biol. 评测基准集结果,BALM 在亲和力回归任务表现突出;如果需要兼顾多个下游计算抗体设计任务,优先考虑 AbLang、AntiBERTa2、AbLang2。

问题 3:基于该抗体语言模型评测基准选出的模型,输出的抗体序列一定具备生物活性吗?

回答 3:抗体语言模型评测基准只评估算法预测指标,计算抗体设计产出的序列是否具备真实结合活性,必须经过生物湿实验验证。

【参考资料】

[2026-11-08](Study Benchmarks Eight Antibody Language Models for Design Tasks)BIOENGINEER.ORG

[2026-11-01](抗体语言模型在抗体设计下游任务中的综合基准测试)生物通

[2026](A comprehensive benchmark of antibody language models for computational antibody design)Genome Biology

【免责声明】

本文仅为论文科普参考,Genome Biology 该抗体语言模型评测基准结果为特定测试条件下的统计表现,模型实际效果受训练数据、微调方案、抗原体系影响;计算抗体设计结果不能替代正规体外、体内生物实验与药物申报流程。