HLAIIPred
1 简介
HLAIIPred1 是基于 Transformer 的深度学习模型，利用质谱鉴定的 HLA-II 洗脱肽数据集训练，用于预测抗原呈递细胞表面的 HLA-II 结合肽段。模型通过学习 pMHC 相互作用模式，可识别决定结合的核心残基，并统计有效核心肽数量，得到量化指标 HLAIIPred_count，用于评估抗体的潜在免疫原性。HLAIIPred_count 越低，表示抗体序列中被 HLA-II 有效呈递的核心肽越少，诱导抗药物抗体（ADA）生成的风险越低；该值越高，则提示免疫原性风险越大。工具还支持在残基水平定位序列中的免疫原性热点，便于识别可能触发免疫应答的关键位点，为免疫原性评估和序列优化提供依据。
其核心功能是针对输入的抗体蛋白序列，统计免疫原性核心肽数量，进而评估抗体的免疫原性风险。在此基础上，用户还可结合残基级热点分布，分析重链、轻链及各结构域对免疫原性的贡献，辅助抗体人源化设计、候选分子筛选和成药性评价。
Figure 1. HLAIIPred 模型框架图
Figure 2. HLAIIPred_count 与治疗性抗体ADA%的二分类指标
Figure 3. HLAIIPred_count 与治疗性抗体ADA%的相关性指标
2 参数说明
- Heavy Chain Sequence：抗体重链Fv蛋白序列。
- Light Chain Sequence：抗体轻链Fv蛋白序列。
3 结果说明
- HLAIIPred_count: 免疫原性核心肽数量，数值越低预示着ADA风险越低。
- 输入抗体 HLAIIPred_count 在不同来源治疗性抗体中的定位图：
图中展示了输入抗体的 HLAIIPred_count 预测结果，同时可直观判断该抗体与何种来源的治疗性抗体更为接近，来源类别包括 Human、Humanized/Chimeric、Humanized、Chimeric 及 Mouse。
Figure 4. 输入抗体 HLAIIPred_count 在不同来源治疗性抗体中的定位图
- 输入抗体的免疫原性热点区域图：
图中显示了输入抗体重链（上）和轻链（下）的免疫原性热点区域，颜色越深，表明该区域被预测为免疫原性热点的可能性越高。
Figure 5. 输入抗体的免疫原性热点区域图
- 氨基酸位点逐位免疫原性评分及特征基序汇总表：
表中给出了输入抗体重链（上）和轻链（下）的各氨基酸位点的免疫原性评分及其所在基序。
Tabel 1. 输入抗体的免疫原性热点区域图
4 参考文献
[1]Haghighatlari, M., Marze, N., Seward, R. et al. HLAIIPred: cross-attention mechanism for modeling the interaction of HLA class II molecules with peptides. Commun Biol 8, 1133 (2025). https://doi.org/10.1101/2025.08.14.670305