新抗原免疫原性优化算法

三突变内激活新抗原

融合模拟退火搜索与多目标训练的机器学习方法，能针对免疫原性而非仅结合亲和力优化新抗原。

张金红 · 周维君 · Jinyi, Yu · Yan, Chaoyang · 刘剑

Briefings in Bioinformatics 2025

技术优势

不超三突变

通过优化氨基酸替换，能将非免疫反应性新抗原转化为免疫反应性新抗原，且突变数量不超过三个，便于后续疫苗构建。

不只抓亲和力

在优化免疫原性时兼顾结合亲和力与呈递等特征，避免单一目标导致的偏颇。

搜索高效

结合模拟退火与多目标训练，并设计了搜索空间优化策略，减少无效尝试。

应用场景

• 新抗原疫苗设计：设计异源交叉免疫新抗原，让疫苗针对更多突变。
• 肿瘤免疫治疗：优化新抗原以激发更强的抗肿瘤 T 细胞反应。
• 个性化癌症疫苗：针对患者特异性突变定制免疫原性增强的新抗原。
• 免疫原性优化：使用机器学习自动改造序列，代替人工反复试验。