浙江大学周如鸿团队：将FEP与机器学习深度融合，精准筛选新抗原疫苗的模拟表位

背景：癌症是全球第二大死因，免疫疗法成为第四种主要治疗手段。新抗原作为肿瘤特异性突变产生的异常蛋白肽段，被视为最具前景的免疫治疗靶点。然而，天然新抗原亲和力低，难以触发足够强的免疫反应。研究目的：浙江大学周如鸿团队提出FEPaML策略，将炼金术自由能扰动（FEP）与贝叶斯优化驱动的机器学习深度融合，用于精准筛选新抗原疫苗中的模拟表位。结论：FEPaML策略通过“ML广筛+FEP精算+贝叶斯迭代”解决了新抗原疫苗设计中的拟肽筛选瓶颈，以极小计算成本将预测精度提升至0.9以上，为个性化癌症疫苗提供了新范式。该策略在多个代表性新抗原的筛选中均表现出卓越的性能、普适性和高效率。