仅按抗体类型查表即超越序列模型,暴露免疫原性ADA标签的缺陷
- 作者修正并扩充了一个公开的抗体免疫原性数据集,并针对部分药物从原始文献手工重建了临床试验层面的证据。
- 在原有标签下,只看抗体类型的查表法胜过所有基于序列的学习模型,表面上的准确度主要取决于数据划分中类型的构成。
- 改用试验层面数据重新计算标签后,这一优势消失,说明限制进展的是标签本身;作者建议报告试验层面的ADA、把目标视为分布,并以抗体类型基线进行评估。
💡 要点 基于摘要的观点
查表胜过学习模型,说明模型很可能几乎没从序列中学到东西。在标签按试验层面重建之前,免疫原性预测只宜当作抗体类型层面的先验,不要用来给同一类型内的候选排序。若考虑引入外部工具,先问清它与仅按类型的基线相比表现如何。
The Quagmire of Immunogenicity-Guided Antibody Design: Labels Limit Progress ↗