最近、arXivに投稿された論文で、抗体配列設計のための新しい手法が提案されました。この手法は、分類器誘導の生殖系列吸収離散拡散モデルを利用します。この研究はJustin Sandersら7名の著者によって行われ、2026年5月7日に提出されました。
抗体治療薬は現代医学で最も成功した医薬品の一つですが、望ましい結合性と開発性を持つ抗体を計算的に設計することは依然として困難です。タンパク質言語モデル（pLM）は抗体配列設計の強力なツールとして登場しましたが、既存のアプローチには2つの主要な限界があります。それは、生殖系列配列を主に記憶し、生物学的に意味のある体細胞変異をモデル化しないこと、そして柔軟な分類器誘導条件付き生成のサポートが限られていることです。
この研究は2つの主要な貢献によりこれらの課題に取り組みます。第一に、離散拡散ファインチューニングが抗体配列において強力な言語モデリング性能を達成し、任意の既製分類器に基づく条件付き生成を可能にすることを示しました。第二に、生殖系列吸収拡散を導入しました。これは、離散拡散ノイズプロセスの新しい修正であり、マスク配列ではなく生殖系列配列を吸収状態として使用します。この生物学的に動機付けられた帰納バイアスは、モデルを生殖系列から観測配列への軌跡の学習に制限し、遺伝的変異やV(D)J組換え統計を学習分布から効果的に排除し、生殖系列バイアスを劇的に軽減します。
実験では、生殖系列拡散により非生殖系列残基予測精度が26%から46%に向上し、真の生物学的変動によって設定された理論的上限に近づきました。条件付き生成タスクでは、モデルは疎水性の改善と予測結合親和性のサンプリングにおいて、クラス順守とサンプル品質の間のトレードオフを改善し、一般的なEvoProtGrad法を大幅に上回りました。
この論文は機械学習（cs.LG）および人工知能（cs.AI）に分類され、コードとデータへのリンクが含まれています。この進展は、抗体設計とタンパク質工学のための新しい効率的なツールを提供することが期待されます。