Antibody Sequence Generation & Pairing (p-IgGen)

简介

生成抗体Fv区序列，或对已有Fv区序列进行序列自然性评分(Log Likelihood)。Fv序列生成支持多种场景：

• 基于已有VH（重链Fv序列），生成VL（轻链Fv序列）
• 基于已有VL，生成VH
• 基于部分Fv序列（可以是部分重链、部分轻链、或部分重轻链），生成VH、VL或完整Fv序列。

该功能基于p-IgGen模型实现，p-IgGen是一个专门用于生成抗体重链-轻链配对序列的生成式蛋白质语言模型。由牛津大学与阿斯利康合作开发，其核心目标是生成具有天然抗体特征、且可开发性（developability）良好的抗体序列，用于抗体药物发现。

p-IgGen模型特性如下：

p-IgGen 的优势：

1. 生成序列质量高
   与天然抗体在序列相似性、多样性、CDR 长度分布等方面高度一致，可成功通过结构建模工具（如 ABodyBuilder2）建模，置信度高。
2. 保留 VH/VL 配对信息
   模型能识别天然配对关系，生成的序列在突变率、配对偏好上与天然抗体一致，在94%的测试中，真实配对的得分高于随机配对。

参数说明

Generate

Generate模式基于已有序列（部分）生成序列

Initial Sequence

抗体序列，FASTA格式。最大支持500条序列。
generate模式中，表示用于序列生成的部分Fv区序列（模型会在当前序列基础上延展生成新的序列）。

Number of Sequences

generate模式参数，指定生成的序列数量，默认为10，最大为1000。

Output Sequence

generate模式参数，输出生成的序列，FASTA格式。默认为generate.fasta

Pairing Likelihood

Pairing Likelihood模式用于抗体重、轻链配对评分

VH Sequence

抗体VH（重链Fv区）序列，FASTA格式。最大支持500条序列。
Pairing Likelihood模式中，表示用于序列配对并进行序列评分的VH序列。

VL Sequence

抗体VL（轻链Fv区）序列，FASTA格式。最大支持500条序列。
Pairing Likelihood模式中，表示用于序列配对并进行序列评分的VL序列。

Output Pairs

输出VH、VL配对后的序列文件，FASTA格式，VH与VL序列通过英文冒号分隔。默认为pairs.fasta

Output Score

Pairing Likelihood模式参数，输出序列评分文件名，CSV格式，默认为pred_scores.csv

结果说明

• generate模式参数,输入Initial Sequence,输出generate.fasta
• Pairing Likelihood模式参数，输入VH Sequence和VL Sequence，输出pairs.fasta和pred_scores.csv，pred_scores.csv包含以下信息：

参考文献

• Oliver M Turnbull, Dino Oglic, Rebecca Croasdale-Wood, Charlotte M Deane, p-IgGen: a paired antibody generative language model, Bioinformatics, Volume 40, Issue 11, November 2024, btae659.DOI:10.1093/bioinformatics/btae659