T细胞受体T-cell receptors，TCR和表位之间相互作用的计算建模，对于免疫治疗和抗原发现，具有重要意义。然而，目前T细胞受体TCR-表位相互作用预测工具，仍处于相对原始的发展阶段，并且在破译潜在的结合机制方面依然有限，例如表征T细胞受体TCR和表位之间的成对残基相互作用。
近日，清华大学交叉信息研究院Xingang Peng ，雷逸品Yipin Lei，赵诞Dan Zhao，曾坚阳Jianyang Zeng等，在Nature Machine Intelligence上发文，报道设计了一种新基于深度学习的T细胞受体TCR-表位相互作用建模框架，称为残基水平T细胞受体TCR-表位相互作用建模TCR–Epitope Interaction Modelling at Residue Level ，TEIM-Res。该TEIM-Res模型框架，将T细胞受体TCR和表位的序列作为输入，并预测参与相互作用的成对残基距离和接触位点。为了解决当前数据不足的瓶颈，通过将序列级绑定信息结合到残差级相互作用预测中，应用了一种小样本学习few-shot learning策略。实验验证和分析表明，该TEIM-Res方法，具有良好的预测性能和设计的有效性。同时还展示了三大潜在的应用：揭示突变T细胞受体TCR-表位对的细微构象变化，揭示基于表位特异性T细胞受体TCR池pools的关键接触，以及挖掘内在的结合规则和模式。总之，该项模型，有望助力全面表征T细胞受体TCR-表位相互作用和理解结合机制的分子基础。Characterizing the interaction conformation between T-cell receptors and epitopes with deep learning.用深度学习表征T细胞受体和表位之间的相互作用构象。
图1：模型架构和性能评估。
图2：模型性能详细分析。
图3：在A6 T细胞受体T-cell receptors，TCR与 Tax表位相互作用的突变分析中，T细胞受体T-cell receptors–残基水平的表位相互作用模型Epitope Interaction Modelling at Residue Level，TEIM-Res性能。
图4：三大表位特异性T细胞受体TCR库的分析。
图5：TEIM-Res可用于发现T细胞受体TCR-表位相互作用的残基水平结合模式。
图6：在序列水平结合预测中，TEIM-Seq 验证和应用。
https://www.nature.com/articles/s42256-023-00634-4https://doi.org/10.1038/s42256-023-00634-4
