近日，中国科学院合肥物质科学研究院研发出基于表型感知对比学习的抗体语言模型BCRInsight。该模型通过对海量序列的自监督学习，实现了对复杂免疫信号的深度解码，在抗体结合位点预测和B细胞亚群分析等任务上均达到当前最佳性能。

B细胞受体（BCR）免疫库蕴含丰富的生物学信号，决定抗原识别的特异性，记录B细胞激活、成熟及演化过程。传统方法难以解析抗体序列的复杂语义，单细胞测序技术成本高昂，因此亟需研发低成本、高效、可深度提取复杂生物语义的新型计算工具。

研究团队构建了基于12层Transformer编码器、约8600万个可训练参数的深度学习框架BCRInsight。与传统仅依赖掩码的语言模型不同，团队引入表型感知对比学习策略，在8000万条人类BCR序列的大规模数据集上完成预训练。在输入设计上，模型将氨基酸序列与基因注释等元数据，进行类似自然语言处理中“句子对”的联合编码。

实验显示，BCRInsight展现出优异的泛化与表征能力。在B细胞亚群分析中，模型能够从高度复杂的bulk BCR-seq数据中低成本地反卷积出B细胞亚群组成比例，准确率超越现有模型；在抗体结合位点预测测试中，其AUROC达0.962，性能优于九种先进方法。在未接触任何三维结构监督信号的条件下，该模型凭借自注意力机制感知蛋白三维结构，聚焦于决定抗原识别的关键HCDR3环区及结构支撑位点。

这一研究为实现从阅读免疫语言到编写免疫语言的跨越，以及指导疾病特异性抗体的人工设计与优化提供了支撑。

相关研究成果发表在Briefings in Bioinformatics上。

BCRInsight模型框架