[论文解读] Immunogenicity Prediction with Dual Attention Enables Vaccine Target Selection

Li Song, Yang Tan+3 more|arXiv (Cornell University)|Oct 3, 2024

vaccines and immunoinformatics approachesBiochemistry, Genetics and Molecular Biology被引用 3

一句话总结

该论文提出ProVaccine，一种具有双注意力机制的深度学习模型，通过整合蛋白质序列、结构及理化特征，以提升免疫原性预测性能。该模型在包含9,500条来自细菌、病毒和肿瘤抗原序列的新颖大规模数据集上达到当前最优性能，展现出优于现有方法的准确率与泛化能力。

ABSTRACT

Immunogenicity prediction is a central topic in reverse vaccinology for finding candidate vaccines that can trigger protective immune responses. Existing approaches typically rely on highly compressed features and simple model architectures, leading to limited prediction accuracy and poor generalizability. To address these challenges, we introduce VenusVaccine, a novel deep learning solution with a dual attention mechanism that integrates pre-trained latent vector representations of protein sequences and structures. We also compile the most comprehensive immunogenicity dataset to date, encompassing over 7000 antigen sequences, structures, and immunogenicity labels from bacteria, virus, and tumor. Extensive experiments demonstrate that VenusVaccine outperforms existing methods across a wide range of evaluation metrics. Furthermore, we establish a post-hoc validation protocol to assess the practical significance of deep learning models in tackling vaccine design challenges. Our work provides an effective tool for vaccine design and sets valuable benchmarks for future research. The implementation is at https://github.com/songleee/VenusVaccine.

研究动机与目标

• 解决现有反向疫苗学中免疫原性预测模型准确率有限且泛化能力差的问题。
• 开发一种深度学习框架，有效整合多模态蛋白质表征——包括序列、结构及理化性质。
• 构建迄今最全面的免疫原性数据集，涵盖来自细菌、病毒和肿瘤的抗原。
• 建立一种实用的后 hoc 验证协议，在保证生物学相关性的同时兼顾计算可行性，避免依赖昂贵的湿实验。
• 通过稳健的模型与评估框架，为未来疫苗靶标选择研究提供基准。

提出的方法

• ProVaccine采用双注意力机制，实现在局部与全局水平上氨基酸残基之间的跨尺度信息交互。
• 利用预训练的潜在向量表征编码蛋白质序列与结构，整合原子级与肽段级的结构标记。
• 将基于Z-描述符与E-描述符的手工设计理化特征融入模型，以增强免疫原性预测能力。
• 对氨基酸水平的隐藏表征应用注意力池化，生成捕捉关键免疫信号的蛋白质级嵌入。
• 采用多模态融合策略，将序列、结构与理化表征整合为统一表征，用于二分类任务。
• 设计了全面的后 hoc 验证协议，使用 *Helicobacter pylori* 和 SARS-CoV-2 等具有生物学相关性的病原体，以评估模型在标准指标之外的实际应用价值。

实验结果

研究问题

• RQ1 具有双注意力机制的深度学习模型，通过整合多模态蛋白质表征，能否显著提升免疫原性预测的准确性？
• RQ2 与现有方法相比，ProVaccine在跨物种免疫原性预测中的表现如何？
• RQ3 大规模、多病原体的免疫原性数据集在多大程度上能增强模型的泛化能力与训练鲁棒性？
• RQ4 后 hoc 验证协议能否在无需湿实验的情况下有效评估免疫原性预测的实际意义？
• RQ5 手工设计的理化特征与结构标记对疫苗靶标选择中模型性能的贡献有多大？

主要发现

• ProVaccine在新构建的包含超过9,500个标记抗原的Immuno数据集上，于AUC、AUPRC与F1-score等多个评估指标上显著优于现有方法。
• 该模型展现出强大的泛化能力，尤其在跨物种免疫原性预测中表现突出，归因于其能够捕捉蛋白质特征与免疫应答之间复杂关系的能力。
• 双注意力机制实现了不同结构尺度下氨基酸残基之间的有效信息交互，增强了模型识别生物相关模式的能力。
• 在 *Helicobacter pylori* 与 SARS-CoV-2 上的后 hoc 验证结果表明，ProVaccine预测的免疫原性评分能有效优先识别已知保护性抗原，验证了其实际应用价值。
• 集成手工设计的Z-描述符与E-描述符特征显著提升了模型性能，凸显了领域特定理化先验在疫苗设计深度学习中的价值。
• 本研究建立了新的基准数据集（Immuno）与评估协议，为未来免疫原性预测研究设定了更高标准。