Nat Commun丨蒋庆华/许召春/王平平/孙皓修团队建立在原子水平识别T细胞抗原的人工智能模型，...

正文

请到「今天看啥」查看全文

， 可以精准识别肿瘤新生抗原，并在肺癌、乳腺癌和 胰腺癌上通过 生物学 实验验证了 deepAntigen 模型的准确性 ， 为癌症治疗性 mRNA 疫苗设计奠定了基础。

基于序列的 抗原与 HLA /TCR 相互作用 预测方法忽略了原子级特征， 导致其在识别能够激活免疫反应的抗原方面表现不佳 并且难以解释突变对于免疫响应的影响 。 为了克服这一难题， deepAntigen 将抗原、 HLA 和 TCR 的氨基酸序列转换为以原子为节点，化学键为边的图， 将 原子水平特征作为输入 ，可以 精准 识别 能够被 HLA 呈递并被 TCR 识别的抗原 。 该方法实现了两大核心功能 —— deepAntigen_Seq 与 deepAntigen_Atom ，前者 预测抗原与 HLA /TCR 是否 相互作用，后者预测 抗原与 HLA /TCR 之间关键的原子间接触。由于 HLA - 抗原 -TCR 复合物晶体结构数据有限， 导致原子间接触信息不足， 该研究采用了 大 规模预训练思想和少样本学习策略 解决这一问题 。 首先利用丰富的序列 水平相互作用 数据 对 deepAntige n 进行预训练， 图卷积神经网络隐式地学习关键的原子特征，然后利用少量的原子水平接触信息进行微调， 有效地从序列水平相互作用数据中整合原子间接触的先验信息，提高了关键的原子间接触预测的准确性。

在 原子水平 预测 H LA- A ntigen-TCR 相互作用 的人工智能

请到「今天看啥」查看全文