浙大侯廷军&谢昌谕团队: 对比学习增强预测模型加速免疫治疗进展

本文介绍了浙江大学侯廷军教授和谢昌谕教授团队在T细胞表位免疫原性预测领域的研究成果。研究背景指出，T细胞受体（TCR）与肽-MHC I（pMHC）复合物的结合在触发适应性免疫应答中至关重要，但现有预测模型在未见表位下表现不佳。研究目的是开发一个名为TRAP的模型，通过整合结构和序列特征，并利用对比学习提升模型在不可见表位场景中的表现。TRAP的创新之处在于其运用了对比学习，最大限度地利用阳性数据，并整合了反映各种MHC表位构象的关键结构信息。研究结论表明，TRAP能够区分不同的表位，捕捉TCR之间的交叉反应性和特异性，并在健康个体TCR数据集上验证了其有效性。该成果发表在Chemical Science期刊上，展示了TRAP在TCR相关治疗开发中的潜力。