摘要

动机：抗体在脊椎动物的免疫系统中发挥着关键作用，同时也是科研与诊断领域的重要工具。尽管抗体中负责抗原结合的高变区（hypervariable regions）可基于其氨基酸序列轻易识别，但准确预测哪些氨基酸将与抗原直接接触（即表位结合部位，paratope）仍具挑战性。结果：本文提出一种基于序列的、概率性机器学习算法——Parapred，用于预测抗体的paratope。Parapred采用深度学习架构，综合利用局部氨基酸残基邻域信息以及整个序列的全局特征。该方法显著优于当前最先进的预测技术，且仅需输入对应高变区的一段氨基酸序列即可，无需任何关于抗原的信息。此外，我们进一步证明，利用Parapred的预测结果可有效提升刚性对接算法（rigid docking algorithm）的计算速度与预测准确性。可用性与实现：Parapred算法可通过网页服务器免费使用，网址为 http://www-mvsoftware.ch.cam.ac.uk/，也可通过 GitHub 下载：https://github.com/eliberis/parapred。联系人：el398@cam.ac.uk 或 ps589@cam.ac.uk补充信息：补充材料可在 Bioinformatics 在线获取。