《International Journal of Molecular Sciences》：AI-Driven BCR Modeling for Precision Immunology
Tao Liu,
Xusheng Zhao and
Fan Yang
人工智能驱动的BCR建模在精准免疫学中的应用
1. 引言
适应性免疫系统通过其极其多样的B细胞受体（BCR）谱系记录了个体一生的抗原暴露史。如今，高通量免疫谱系测序技术使人们能够在单细胞分辨率下分析这种多样性，并获取配对的重轻链信息，从而生成了包含V(D)J基因使用、体细胞超突变（SHM）模式、克隆谱系结构和抗原驱动选择等信息的庞大数据集。然而，尽管数据量和分辨率迅速提升，我们解释这些BCR谱系以揭示抗原特异性和功能潜力的能力却未能同步跟上。
根本挑战在于BCR谱系固有的复杂性。受体在互补决定区（CDR）长度、突变率、V(D)J基因使用和构象上存在差异，导致序列与功能之间呈现非线性、高度个体化的映射关系。具有保护性或致病性的克隆通常非常稀有，并隐藏在谱系分布的“长尾”之中。克隆进化通过类似图形的分支轨迹展开，传统的基于基序或相似性的分析方法难以充分捕捉。这些局限使得大多数谱系研究局限于描述性统计，而非预测性或机制性建模。
适应性免疫受体谱系测序（AIRR-seq）、结构建模与人工智能（AI）——特别是抗体特异性语言模型——的融合，正在催化这一领域的范式转变。深度学习架构能够解读免疫序列的潜在“语法”、重建克隆进化、推断抗原特异性，并从头生成具有优化特性的抗体。因此，AI不仅仅是一种分析工具，更代表了一种概念上的重构，将免疫受体视为一种可学习和可生成的生物“语言”。
在这篇综述中，我们概述了AI模型如何解码BCR序列语义、捕捉克隆拓扑结构、预测抗原特异性并生成新的抗体候选分子，同时也审视了数据异质性、模型可解释性、稀有克隆检测和跨队列泛化等关键挑战。最后，我们提出了一个将AI预测与实验验证相结合的闭环框架，以推动预测性免疫学的发展并加速治疗性发现。
2. BCR谱系分析的机遇与挑战
B细胞受体是适应性免疫系统识别威胁的主要传感器。BCR谱系的多样性决定了个体识别和应对海量抗原的能力，是免疫防御的基础。V(D)J重组、体细胞超突变和生发中心内抗原驱动选择等BCR多样性产生的经典机制早已阐明。随着高通量和单细胞免疫谱系测序技术的出现，BCR谱系得以在配对链和纵向维度上进行深度分析。然而，高分辨率数据集的指数级增长正迅速超越我们的解释能力，推动领域走向一个关键的转折点。
BCR谱系是免疫历史的富信息档案，反映了对感染、疫苗接种和组织微环境信号的响应。它们也包含着与自身免疫耐受破坏、肿瘤驱动选择和疫苗诱导的长期保护相关的异常克隆。从这海量序列中提取具有生物学意义和预测性的模式，已成为连接基础免疫学与精准医学的核心挑战。
3. BCR谱系分析的双重障碍：数据规模与生物复杂性
虽然高通量测序技术让我们以前所未有的分辨率接触BCR的多样性，但将海量数据转化为可操作的免疫学见解，却受到两个基本瓶颈的制约。
3.1. 数据维度与技术变异性
BCR谱系数据集具有极高的维度、稀疏性和异质性。单个样本可能包含数万到数百万个不同的受体序列，在长度、突变位点和基因使用上存在巨大差异，形成了一个复杂、非线性的免疫“景观”。这种高维特性常常导致特征冗余、训练过程不稳定和模型过拟合，尤其是在样本量有限的情况下。从平台特异性变异到测序深度波动等技术偏差，会引入显著的批次效应，损害模型的稳定性和跨研究可比性。
此外，数据表示的固有局限在于，BCR功能高度依赖于其三维构象，而我们获得的线性序列信息仅为结构-功能关系的一个不完整代理。因此，依赖于序列相似性的传统方法常常无法捕捉关键的非线性结构-功能关系。
3.2. 生物个体性与免疫系统复杂性
BCR谱系深受宿主特异性因素（如遗传变异、抗原暴露史、年龄）的影响，导致谱系特征高度个体化。在个体间共享的“公共克隆”既稀有又不稳定，使得寻找普适性模式变得复杂。此外，生发中心内的BCR进化遵循涉及分支和平行突变的非线性、图形化拓扑结构，基于树或相似性的方法难以捕捉。在功能上，稀有但不可或缺的克隆（如具有高频体细胞超突变或多反应性的克隆）在数量上常被优势克隆所掩盖，容易被传统的基于频率或基序的分析框架所遗漏。
这些技术和生物层面的障碍共同制约了从谱系数据中提取可泛化和可预测的免疫学模式，凸显了对更具表达力和更符合生物学的分析框架的需求。
4. 机器学习和深度学习：BCR分析的新范式
尽管高通量测序让我们以前所未有的深度观察BCR序列空间，但序列、结构和功能之间的映射关系仍然是高度非线性的，这使得传统分析方法难以捕捉免疫系统的内在复杂性。人工智能的引入代表了BCR谱系分析的一次深刻范式转变，超越了基于局部基序或序列相似性的浅层分析，转向一个能够建模高维表示、基于图的拓扑关系和生成设计的统一框架。至关重要的是，AI模型的价值不仅在于提升预测性能，更在于它们能够学习支配免疫组织的潜在序列语义、结构“语法”和进化逻辑。
早期深度学习方法，如卷积神经网络，已证明能够检测BCR内的局部结构基序。它们可以自主识别CDR1/2/3基序、短程亲和力决定因素和关键接触残基，支持受体分类或体细胞超突变热点检测。然而，其建模长程依赖关系的能力有限，限制了复杂功能的预测。
循环神经网络可以建模序列依赖性和突变轨迹，以捕捉体细胞超突变驱动的谱系偏好，但它们存在固有的局限性。循环神经网络已知存在固有的序列处理特性和潜在的梯度不稳定问题，与基于注意力机制的架构相比，可能在并行化效率上受限。它们更适合用于序列优化，而非全谱预测。
真正的范式转变源于基于Transformer架构的抗体语言模型。通过自监督学习在数百万受体序列上进行训练，抗体语言模型能够捕捉残基替换偏好、隐藏的结构规则、体细胞超突变累积模式，甚至表位水平的语义。与循环神经网络不同，其全局注意力机制能有效解析长程残基共依赖性，显著增强抗原特异性预测、亲和力建模和功能注释。通过将离散的BCR序列映射到连续的潜在空间，抗体语言模型促进了跨个体甚至跨物种的谱系整合，有效地将BCR谱系重新定义为一种可学习的免疫“语言”。
然而，仅靠序列建模无法捕捉克隆进化的图形化本质。生发中心反应涉及分支和汇聚的复杂网络。图神经网络非常适合这项任务：通过将序列表示为节点、突变表示为边，图神经网络能够建模突变相互作用、谱系拓扑和选择压力。与系统发育学方法相比，图神经网络能更准确地重建谱系树并识别高影响力的克隆变异，包括那些稀有但功能关键的克隆。
同时，结构感知模型填补了序列与功能之间的“3D鸿沟”。利用抗体-抗原对接数据、结构模板或AlphaFold类预测工具，这些模型整合了序列、构象和功能。结构预测的进展，如AlphaFold 3，为抗体-抗原复合物提供了日益精确的结构先验信息。
最具有未来感的是生成式框架，包括变分自编码器、扩散模型和抗体特异性Transformer，它们能够深度探索BCR的潜在空间。这些模型可以模拟亲和力成熟、从头设计抗体，或提出理论有效但进化上未被观察到的免疫反应。它们将AI从纯粹的分析工具转变为计算免疫学实验的强大平台。挑战依然存在，特别是在整合结构约束和平衡多个目标优化方面，例如最大化亲和力与最小化免疫原性，这对临床转化至关重要。
5. AI在BCR分析中的核心应用
5.1. 抗原特异性预测与免疫原设计
从受体序列预测抗原特异性和亲和力，并最终设计新型抗体或免疫原，仍然是具有深远转化意义的核心挑战。根本困难在于从序列到结构再到功能的非线性、依赖背景的映射关系，以及高度的个体间变异性。早期抗体特异性语言模型证明了学习抗体特异性序列嵌入的可行性。基于Transformer的抗体语言模型已成为稳健的解决方案。通过在数百万序列上进行无监督训练，这些模型捕捉了反映跨抗原类别的保守结构和功能模式的泛化序列语义。结合监督数据的微调，能进一步精确预测抗原结合潜力、亲和力变化和交叉反应性。最近，可解释抗体语言模型通过整合精心筛选的数据集和可解释的注意力机制，进一步推进了抗原特异性预测。
最近的结构导向Transformer将注意力机制与3D空间约束结合，增强了对关键功能残基（特别是CDRH3区）的定位。这些模型分析与抗原识别相关的序列水平模式，并优先考虑具有更高预测结合可能性的候选变异。此外，将图卷积网络与结构预测工具结合的混合方法，现在可以同时对序列嵌入和预测构象进行编码，从而能够计算探索表位识别模式和潜在的免疫原性特征。
生成式框架扩展了这一范式，通过调节潜在表征生成具有目标结合特性的候选抗体，极大地加速了优化和筛选流程。尽管如此，用于抗体和免疫原设计的生成模型仍面临重要的转化局限性。首先，计算生成的序列不一定在结构上有效。其次，实验验证仍然是主要瓶颈。第三，治疗性开发不仅需要结合活性，还需要严格的成药性评估。最后，可靠地预测免疫原性仍然具有挑战性。这些限制表明，当前应将生成式AI视为一个强大的提案引擎，必须与经验验证紧密结合，而非治疗设计的独立解决方案。
5.2. 肿瘤免疫学：从预后标志物到预测性反应模型
B细胞在肿瘤免疫中的作用曾被低估。如今，AI的融合正在催化对肿瘤学中体液免疫的重新评估，特别关注三个关键任务：肿瘤微环境中肿瘤相关BCR的免疫分析和克隆鉴定；提取与临床结果和免疫治疗反应相关的预后生物标志物；以及挖掘用于治疗开发的功能性抗体谱系。
在识别层面，机器学习模型为区分肿瘤特异性免疫特征奠定了基础。早期研究表明，监督分类器可以区分肿瘤与邻近正常组织之间的BCR谱系组成。随着建模技术的发展，集成学习算法和神经网络已被用于识别淋巴瘤等恶性肿瘤中的疾病特异性BCR组合，从而实现对肿瘤微环境中B细胞亚群的免疫分型。
在预后层面，BCR谱系特征正在成为强大的生物标志物。肿瘤浸润B细胞的丰度和活化状态与黑色素瘤等实体瘤的免疫检查点治疗反应和生存期相关。此外，BCR多样性指数和克隆谱系重建等动态谱系特征，已显示出作为PD-1/PD-L1免疫检查点阻断结果预测标志物的潜力。深度学习模型可以通过建模抗原结合序列和结构决定因素进一步优化此分析，从而揭示可预测治疗反应的BCR特征。
最具转化前景的途径可能是发现跨个体共享的肿瘤反应性BCR谱系。其中的一个关键现象是趋同选择，即无关患者在共同的肿瘤压力下独立进化出具有相似抗原结合特性的抗体。自然语言处理启发的模型通过跨患者谱系学习语义相似性来捕捉这些趋同模式，发现具有形成下一代肿瘤抗体库潜力的“公共”结构。
5.3. 感染性疾病：模拟免疫动力学与交叉保护免疫
在感染性疾病的背景下，BCR谱系是不断演变的免疫反应的动态读数。感染的时间性和多阶段特性使该领域天然适合AI应用，特别是在疾病分层、建模交叉反应性免疫和应对新发病原体等任务中。
对于实时监测和分层，AI模型能够捕捉具有预后相关性的细微谱系特征。在SARS-CoV-2大流行期间，BCR克隆多样性、体细胞超突变分布和公共克隆频率等特征被用于构建免疫亚型和疾病严重程度模型。Transformer模型也被应用于纵向序列数据，识别与中和抗体产生相关的早期克隆扩增。
在寻找交叉保护性抗体和泛病毒疫苗的过程中，AI有助于识别病毒家族间保守的免疫特征。研究人员旨在发现跨病毒感染的公共中和抗体。分析来自SARS-CoV-1、SARS-CoV-2和MERS-CoV谱系的神经网络模型揭示了能够交叉病毒结合、可用于通用疫苗设计的保守CDRH3基序。同样，在登革热病毒感染研究中，AI被用于绘制交叉血清型免疫识别图并发现预测交叉保护的保守表位。
在疫苗反应建模和快速反应准备领域，多模态深度学习框架整合序列特征、克隆动态、血清学和临床结果，以重建个体化的免疫轨迹。这些模型有助于解释老年人疫苗反应减弱的原因，并评估原发感染与突破性感染之间的不同结局。结构感知的生成模型正被应用于小样本病原体场景，为新型疫情暴发期间的计算设计候选抗体提供途径。
5.4. 自身免疫病：识别致病性克隆与分子特征
在自身免疫病中，B细胞耐受的破坏和自身反应性克隆的出现是发病机制的核心。AI增强的BCR分析为在诊断、疾病活动监测和机制洞察层面审视这些疾病提供了新的视角。
在诊断生物标志物层面，机器学习擅长识别细微但具有鉴别性的谱系模式。例如，在体细胞超突变分布和CDR3长度特征上训练的随机森林分类器成功区分了克罗恩病患者与健康对照，表明BCR特征可作为自身免疫性疾病中的无创诊断工具。在多发性硬化症中，使用大规模AIRR-seq数据进行的谱系分析揭示了克隆结构与疾病亚型之间的相关性，为疾病分层和纵向监测提供了支持。
在监测疾病活动性方面，深度学习模型正在整合BCR序列数据、克隆扩增趋势和临床评分。在系统性红斑狼疮和类风湿关节炎等疾病中，多样性降低、体细胞超突变分布改变和公共克隆使用增加与疾病活动期和复发风险相关，从而能够构建“免疫活动指数”。
在机制层面，BCR分析可以桥接基因突变与自身免疫表型。例如，在腺苷脱氨酶2缺乏症患者中，B细胞发育和克隆结构受损，其特征是体细胞超突变减少和更保守的谱系组成，提示耐受执行失败和自身反应性克隆的扩增。类似的分析框架正被扩展到过敏性疾病，以模拟IgE类别转换重组和过敏原特异性克隆的进化。
6. 当前瓶颈与挑战
尽管机器学习和深度学习方法在BCR谱系分析中显示出巨大潜力，但其在大规模、真实世界数据集和临床环境中的广泛部署，仍然受到无法仅通过计算规模扩大来解决的基本瓶颈的制约。这些挑战主要体现在四个维度：数据层面的异质性和标准化缺失、模型层面的可解释性与因果推断局限性、低丰度但功能重要克隆的免疫学约束，以及跨个体和疾病背景的泛化能力受限。
6.1. 数据标准化与异质性
在技术障碍中，数据标准化不充分仍然是最根本、最持久的。BCR谱系数据对上游实验变量（如样本采集方法、测序平台、引物设计、测序深度）极为敏感，每一项都可能显著影响观察到的克隆组成和频率。因此，在一个数据集上表现良好的模型，在应用于不同的队列、机构或人群时，性能常常会急剧下降甚至逆转。临床数据集的不平衡样本分布和不完整元数据进一步加剧了这些挑战，削弱了AI模型的外部有效性。
6.2. 模型可解释性与“黑箱”问题
第二个瓶颈涉及可解释性。深度模型，特别是Transformer和多层神经网络架构，拥有强大的表征能力，但缺乏透明的决策机制，使得提取生物学上可验证的解释变得困难。对于希望从模型预测中逆向推理机制的免疫学家来说，这种不透明性在模型“正确”和“理解其为何正确”之间制造了巨大鸿沟。在临床环境中，这一挑战更加严峻。临床医生和监管机构要求提供明确的证据，说明是哪些序列特征驱动了预测，以及这些特征是否与已知的免疫学通路一致。缺乏可解释性会削弱信任、限制转化应用，并降低模型作为指导实验设计的假设生成器的价值。
尽管近年来提出了各种事后可解释性方法，但其提供真正机制性洞见的能力仍然有限。在基于Transformer的模型中，可以分析注意力权重和中间表示，以识别与模型预测相关的残基、CDR环或序列模式。此外，基于扰动的策略，如残基掩码、计算机诱变和受控序列变异，能够系统评估输入变化如何影响模型输出和内部激活。然而，这些信号常常是相关性的而非因果性的，它们与潜在生物学机制的对应关系既不稳定也不可靠。在许多情况下，注意力权重或归因分数并不能一致或可靠地映射到经过实验验证的功能决定因素。
6.3. 低丰度克隆的功能注释与因果推断
第三个尤其棘手的挑战在于对低频率克隆的建模，这暴露了生物学相关性与统计可见性之间的根本不匹配。尽管模型在高丰度序列上表现稳健，但许多功能决定性的B细胞克隆，包括介导交叉反应、长期保护或耐受破坏的克隆，都集中在丰度分布的极“尾部”。由于这些克隆产生的测序信号微弱，它们在模型优化过程中经常被系统性地降权。
克服这一瓶颈将需要明确考虑生物学先验和稀有事件敏感性的算法框架，包括组织来源、共刺激信号和体细胞微环境等背景信息。至关重要的是，这些计算进展必须与实验反馈循环相结合，以弥合计算机推断与经验验证之间的差距，并将因果可解释性恢复到谱系水平的分析中。
6.4. 跨个体与跨疾病泛化性
第四大挑战涉及模型在跨个体、队列和疾病背景间的可迁移性。人类BCR谱系由多样的遗传、环境和临床变量所塑造，包括HLA背景、免疫史、年龄和疾病阶段，导致高度的个体性。因此，许多AI模型学习到的是特定背景下的相关性，而非因果性的、可泛化的免疫学原则，导致在应用于训练人群之外时出现性能漂移。
为了使AI能真正用于个性化免疫分析和治疗模拟，未来的模型必须采用迁移学习、多任务学习和因果推断框架。这些方法可以显式地建模人群结构和疾病异质性，同时利用跨队列、跨物种和跨组织的数据集来区分背景依赖性和保守的免疫学规则。
7. 迈向闭环免疫建模系统
为了从被动的模式发现转向主动的免疫干预，该领域必须追求一个集成的闭环免疫建模系统。该系统将数据获取、序列分析、功能预测、生成设计、实验验证和模型优化融合成一个持续的反馈循环。最终目标不仅仅是解释免疫现象，更是预测和理性设计期望的免疫反应。实现这一愿景需要在数据基础设施、模型可解释性和生成能力方面取得协调突破。
7.1. 循环的基石：构建标准化的多模态数据生态系统
这种闭环系统的基石是高质量、标准化、多模态的数据。当前的免疫谱系领域仍然存在数据格式、注释和元数据质量方面的显著差异，限制了跨队列泛化。因此，建立稳健、可互操作的数据共享平台是实现真正闭环生态系统的第一步。
除了数据标准化，该系统还需要跨模态的连通性——将分子、结构和临床维度融合到一个统一的分析框架中。这种多模态融合具有双重目的：首先，它丰富了生物学背景，使得能够精细重建B细胞的发育轨迹和功能异质性；其次，它有望大幅提高模型在不同疾病和人群间的泛化能力，克服传统单模态分析固有的碎片化和不完整性。
7.2. 循环的核心引擎：从“黑箱”到可解释AI
在坚实的数据基础上，闭环系统的核心在于开发一个“理解”而不仅仅是“拟合”数据的智能引擎。未来的进展将取决于如何在预测性能与可解释性之间取得平衡。深度整合可解释人工智能工具为实现这种平衡提供了关键途径。
注意力可视化、特征归因分析和反事实推理等技术，使模型能够明确地突出哪些氨基
