深度学习的进展 预测CD8+T细胞表皮图
Xiaorui Cheng1,2, Haixia Wu2, Pengji Chen2
1Key Laboratory of Biorheological Science and Technology (Ministry of Education), College of Bioengineering, Chongqing University, Chongqing, China.
Proteomics
|December 26, 2025
概括
计算方法,特别是深度学习,正在推进CD8+T细胞表位的预测. 本综述涵盖了蛋白质语言模型和深度学习,用于预测MHC-I结合,TCR反应性和pMHC-TCR相互作用,帮助疫苗设计和免疫治疗.
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:
- CD8+ T细胞表位是启动抗原特异性细胞毒性反应至关重要的片.
- 对这些表位体进行实验性识别是昂贵且耗时的.
- 计算预测为表位发现提供了更有效的替代方案.
研究的目的:
- 审查最近在CD8+T细胞表位的计算预测方面的进展.
- 专注于蛋白质语言模型和深度学习方法.
- 涵盖MHC-I结合,TCR-活性和pMHC-TCR结合亲缘关系的预测.
主要方法:
- 关于深度学习和蛋白质语言模型用于表位预测的最新文献的综述.
- 分析编码蛋白序列的方法.
- 检查深度学习模型来预测MHC-I结合亲和性,TCR-反应性和pMHC-TCR结合亲和性.
主要成果:
- 在过去的二十年中,深度学习技术显著改善了CD8+T细胞表位预测.
- 蛋白质语言模型提供先进的表位编码方案.
- 目前的模型显示,在预测MHC-I结合,TCR-活性和pMHC-TCR结合亲缘关系方面取得了进展.
结论:
- 计算预测,特别是使用深度学习和蛋白质语言模型,对于高效的CD8+T细胞表位发现至关重要.
- 这些进展对于加速疫苗设计和免疫疗法开发至关重要.
- 对基于深度学习的预测进行进一步的研究对该领域具有重大前景.
