AFilter: 机器学习优化的界面能量过滤改进AlphaFold3预测抗体表位的准确性

摘要

AlphaFold3预测蛋白复合物结构虽准，但用于抗体表位预测时失败率约63%。研究者对比成功与失败预测，发现失败预测有独特的能量特征：CDR环扭曲和界面范德华应变升高。据此开发机器学习过滤框架AFilter，可消除超90%错误预测，同时保留>90%真阳性。相比ipTM过滤，AFilter将纳米抗体-抗原和抗体-抗原复合物的准确性分别从82.7%和79.4%提高至97.7%和96.3%，真阳性率从69.8%和63.1%提升至96.4%和92.5%。AFilter计算开销小（ < 5%），无需重新对接，可直接集成到现有AF3流程，也可推广至其他基于扩散的复合物预测器。