化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
这篇 Nature Machine Intelligence 论文提出 UniAIR，用统一的多模态框架预测抗体、抗原、TCR-pHLA 等自适应免疫识别场景中的突变效应，目标不是单一预测器，而是跨任务、跨模态的免疫识别基础方法。
方法上，UniAIR 组合标准化数据管线、面向界面的序列-结构融合 Transformer、进化信息和几何表征，并支持多专家共识以及在缺少实验结构时使用预测结构输入。这个接口中心的设计让模型能在多类免疫识别任务中复用。
实验覆盖抗体成熟、抗原逃逸、TCR-pHLA 优化和缺少实验结构的场景，报告显示在大规模 benchmark 与独立测试中取得强泛化表现，并能在稀疏反馈下进行多轮肽优化和关键功能突变识别。
收录价值在于它体现了 AI for immunology 从窄任务预测走向统一突变景观建模和免疫治疗设计工作流，对蛋白/免疫工程、多模态生物建模和实验优化循环都有可复用参考价值。