Nat Methods丨索生宝等团队提出TCR与抗原表位结合预测模型的全新综合性评估框架并揭示模型性能瓶颈与优化路径

背景：T细胞受体（TCR）与抗原表位的结合识别是适应性免疫的核心机制，但传统实验方法存在通量低、成本高等限制，亟需开发高效的计算预测模型。研究目的：本研究旨在建立一个系统化的TCR-表位结合预测模型评估框架，全面比较50个公开模型的性能，分析影响预测准确性的关键因素，如特征选择、阴性样本构建和数据规模。结论：评估显示多数模型在已见表位预测中表现良好，但未见表位的泛化能力接近随机水平；整合多特征（如MHC类型和TCRα链）的模型优于单特征模型，而基于抗原特异性阴性样本的构建策略能提升鲁棒性。研究为优化模型泛化能力和临床应用提供了实践指南。