抗体の形式だけで予測する単純な表引きが配列ベースの免疫原性予測を上回り、ADAラベルの弱さが露呈
- 公開されている抗体免疫原性データセットを修正・拡張し、一部の医薬品については一次情報から試験レベルの臨床エビデンスを手作業で再構築した。
- 元のラベルでは、抗体の形式のみを参照する手法がどの配列ベースの学習モデルよりも高精度で、見かけの精度はデータ分割の構成に左右された。
- 試験単位のデータからラベルを再計算するとこの優位性は消え、進歩を妨げているのはラベル自体だと結論。試験レベルでのADA報告、分布としての扱い、形式ベースラインとの比較を推奨している。
💡 ポイント アブストラクトに基づく見解
表引きが学習モデルに勝つなら、モデルは配列についてほとんど学べていない可能性が高い。ラベルが試験単位で再構築されるまでは、免疫原性予測を形式レベルの事前確率として扱い、同一形式内の候補の順位付けには使わないのが無難だ。外部ツールを検討するなら、まず形式のみのベースラインとの比較を尋ねたい。
The Quagmire of Immunogenicity-Guided Antibody Design: Labels Limit Progress ↗