Der Gleichstand kommt aus dem geerbten Teil

Ein Immunrezeptor ist unbekannt, und die Frage lautet, wogegen er sich richtet. Das übliche Verfahren sucht in einer Datenbank den ähnlichsten Rezeptor, dessen Ziel man kennt, und überträgt die Antwort. Ähnlichkeit misst dabei entweder ein klassisches Verfahren, das zwei Sequenzen Buchstabe für Buchstabe aneinanderlegt, oder ein Proteinsprachmodell, das jede Sequenz in einen Zahlenvektor übersetzt und die Vektoren vergleicht. Welches der beiden besser trifft, ist eine Frage mit Geld dahinter – Impfstoffentwurf, Antikörpersuche, Diagnostik aus dem Repertoire.

Auf der entscheidenden Stelle gewinnt das ältere Verfahren. Die dritte hypervariable Schleife, CDR3 genannt, entsteht beim Zusammenbau des Rezeptors neu und trägt den größten Teil dessen, was ein Antigen von einem anderen unterscheidet. Legt man nur sie vor, liegt die klassische Ausrichtung je nach Datenbank 7,2 bis 11,5 Prozentpunkte vor dem meistgenutzten Modell der ESM2-Familie. Größere Modelle holen das nicht auf, auf Antikörper spezialisierte auch nicht.

Eine Ausnahme gibt es, und sie stützt den Befund, statt ihm zu widersprechen: Ein auf T-Zell-Rezeptoren zugeschnittenes Modell schlägt die Ausrichtung auf der CDR3 knapp – es kodiert das ererbte Gensegment ausdrücklich mit. Sobald man die Suche auf Rezeptoren mit demselben Gensegment einschränkt, ist dieser Vorsprung weg.

Bei voller Länge ist der Abstand weg. Fünf Verfahren liegen dann in einer Spanne von gut drei Prozentpunkten beieinander; bis auf eine einzige Paarung, die die Grenze knapp überschreitet, gelten sie als praktisch gleichwertig. Die naheliegende Lesart wäre, dass die Modelle mehr Zusammenhang brauchen und ihn dann auch nutzen.

Die Autoren prüfen diese Lesart, statt sie zu erzählen. Sie erweitern die Eingabe stufenweise: erst CDR3, dann alle drei Bindungsschleifen zusammen, dann die volle Domäne samt Gerüst – jenem Rahmen, der die Schleifen trägt und der nicht neu zusammengesetzt, sondern aus dem ererbten Genabschnitt übernommen wird. Bis zu den Bindungsschleifen steigen beide Verfahren, die Ausrichtung bleibt vorn, und dort liegt mit 0,550 ihr höchster gemessener Wert. Erst mit dem Gerüst laufen die Kurven auseinander: Die Modelle steigen weiter, die Ausrichtung fällt leicht.

Damit steht die entscheidende Frage im Raum, und die Arbeit beantwortet sie mit einem Austausch. Sie ersetzt bei denselben Antikörpern das Gerüst durch die unmutierte Keimbahnfassung und lässt die Bindungsschleifen unangetastet – vom Aufholeffekt des meistgenutzten Modells bleiben etwa zwei Drittel bestehen. Umgekehrt ersetzt sie zwei der Schleifen durch ihre Keimbahnfassung, und es geht nichts messbar verloren. Der Zugewinn stammt also aus dem ererbten Teil der Sequenz und nicht aus der Stelle, an der sich die Rezeptoren beim Zusammenbau voneinander entfernen.

Ein Nebenbefund trifft jede Messung dieser Art. Teilt man die Sequenzen zufällig in Referenz und Abfrage auf, landen nah verwandte Rezeptoren auf beiden Seiten, und die Trefferquote steigt um 15 bis 28 Prozentpunkte. Das betrifft die klassischen Verfahren genauso wie die Modelle – es ist kein Vorwurf an eine Methode, sondern an eine Gewohnheit.

Was dagegen spricht¶

Es gibt eine Antigenklasse, bei der die Modelle deutlich vorn liegen: stark mutierte Antikörper gegen die Hülle von HIV-1, mit 21,2 Prozentpunkten Vorsprung. Genau dort ist der Abstand zum ererbten Ausgangszustand am größten, was zur Erklärung passt und zugleich zeigt, dass die Modelle dort etwas beitragen, wo die klassische Ähnlichkeit schwächer wird. Die Autoren nennen ihre Erklärung ausdrücklich ein Arbeitsmodell und keinen bewiesenen Mechanismus; sie prüfen sie an mehreren Stellen, aber die Frage, welches Merkmal innerhalb der CDR3 den Modellen entgeht, bleibt offen. Dazu kommen: ein Preprint ohne Begutachtung, fünf bis zehn Antigenmarken je Datenbank, für die T-Zell-Rezeptoren aus Vorlagen zusammengesetzte Volllängen, und ein Ergebnis, das ausschließlich für eingefrorene Modelle ohne Nachtraining gilt – angepasste Modelle könnten anders abschneiden, und die Autoren sagen das selbst. Zuletzt eine Angabe, die sich in der Quelle selbst widerspricht: Das Manuskript erklärt keinen Interessenkonflikt, während die Preprint-Seite ausweist, dass zwei der Autoren Anteile an der Firma halten, die im selben Papier als ihre Anschrift steht.

Warum das hier steht¶

Weil hier vorgeführt wird, wie zwei gleiche Zahlen aus verschiedenen Quellen stammen. Der Gleichstand bei voller Länge sieht aus wie ein Beleg dafür, dass das Modell die Aufgabe verstanden hat, und ist einer dafür, dass es einen Teil der Eingabe gefunden hat, der zur Unterscheidung selbst nichts beiträgt. Wer nur die Endzahl vergleicht, kann das nicht sehen; sichtbar wird es erst, weil jemand die Eingabe zerlegt und einzelne Teile ausgetauscht hat.

Das gilt weit über die Immunologie hinaus, und es ist der Grund, weshalb ein Gleichstand die unangenehmste aller Messungen ist: Er sieht nach Fairness aus und verlangt trotzdem die Frage, ob beide Seiten dasselbe getan haben, um dorthin zu kommen.

Gegenprüfung

Von drei Modellfamilien gegen den Volltext der Quelle gelesen; Befunde und Korrekturen stehen im Protokoll.claude · gemini · grokPrüfprotokoll zu dieser Notiz →