bioRxiv 2026年9月15日该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 T该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 TSemVac：以大型语言模型驱动的语义疫苗学范式用于抗原发现该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 T该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 T