塔皮尔:一种T细胞受体语言模型,用于预测罕见和新的目标
Ethan Fast1, Manjima Dhar1, Binbin Chen1
1Vcreate, Inc., Menlo Park, CA, 94025, USA.
bioRxiv : the preprint server for biology
|September 25, 2023
概括
我们开发了TAPIR,一种T细胞受体 (TCR) 语言模型,用于预测TCR-标相互作用,即使对于新的标. 塔皮尔可以准确地识别抗癌TCR,并可以为治疗应用设计新的TCR序列.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- T细胞受体 (TCR) 在各种疾病中起着至关重要的作用,但预测它们的特定点是一个重大挑战.
- 了解TCR-目标相互作用对于开发向免疫疗法至关重要.
研究的目的:
- 引入TAPIR (T细胞受体和相互作用识别器),这是一个用于预测TCR-目标相互作用的新语言模型.
- 为了能够预测TCR与已知和新型/罕见标的相互作用,包括没有标信息的MHC等位基因.
主要方法:
- 使用深度卷积神经网络 (CNN) 编码器来处理TCR和目标序列.
- 在超过5万个配对或不配对的TCR上训练了模型,针对1933个独特的目标.
- 采用灵活的序列表示来适应单链TCR或未知MHC等位基因的变异.
主要成果:
- 在预测TCR相互作用与共同的基准目标方面取得了最先进的表现.
- 对于培训数据中不存在的新目标,表现出强大的预测能力.
- 成功识别和验证了一种强大的抗癌TCR对抗PIK3CA H1047L新抗原.
- 展示了该模型在独立于目标信息的情况下预测TCR与MHC等位基因相互作用的能力.
结论:
- 塔皮尔是预测TCR-目标相互作用的强大工具,推进了免疫信息学领域.
- 该模型处理新目标和设计新的TCR序列的能力为癌症免疫疗法开发开辟了新的途径.
- 塔皮尔的灵活性和性能为个性化医疗和药物发现提供了巨大的潜力.
