ICLR 2025

VenusVaccine

双注意力免疫原性预测，支撑疫苗靶点筛选——多模态序列、结构与理化编码，区分保护性与非保护性抗原。

Song Li*, Yang Tan*, Song Ke, Liang Hong, Bingxin Zhou
（* 共同一作）

论文 代码
VenusVaccine 概览图
VenusVaccine 通过序列、结构与理化多模态输入上的双注意力，分类保护性抗原。

方法

VenusVaccine 预测抗原为保护性或非保护性，支撑从蛋白抗原中筛选疫苗靶点。 输入融合氨基酸序列、结构衍生 token 与理化描述子，在统一多模态编码器中配合双注意力。

  • Foldseek 二级结构序列，刻画局部骨架几何。
  • ESM3 结构序列编码，表征三维构象。
  • E-descriptors（5 维）与 Z-descriptors（3 维）提供理化上下文。

预训练蛋白质语言模型经轻量适配器提供序列骨干特征，支持 ESM、Bert、Ankh 等家族。 已发布检查点覆盖 Bacteria、Virus、Tumor 三种抗原设定。

推理流程

  1. 获取 PDB（实验或预测，如 ESMFold / AlphaFold）。
  2. 用 pdb2json.py 组装序列、Foldseek、ESM3 与 E/Z 特征。
  3. 运行 infer.py -i input.json -t Bacteria|Virus|Tumor 加载对应检查点。

输出含二分类保护性抗原标签与概率分数，便于湿实验前对候选疫苗靶点排序。

引用

若使用 VenusVaccine，请引用：

@inproceedings{li2025immunogenicity,
title={Immunogenicity Prediction with Dual Attention Enables Vaccine Target Selection},
author={Song Li and Yang Tan and Song Ke and Liang Hong and Bingxin Zhou},
booktitle={The Thirteenth International Conference on Learning Representations},
year={2025},
url={https://openreview.net/forum?id=hWmwL9gizZ}
}