Nat. Mach. Intell. | 条件生成真实抗原特异性T细胞受体序列

DRUGONE

尽管近年来 T 细胞受体（TCR）工程取得了显著进展，但针对任意靶标设计功能性 TCR 依旧充满挑战，主要原因是交叉反应性的复杂规律和有限的配对数据。本研究提出了 TCR-TRANSLATE 框架，将低资源机器翻译的方法引入序列到序列建模，用于生成针对未见表位的抗原特异性 TCR 序列。研究人员系统评估了 12 种基于 BART 和 T5 架构的模型变体，揭示了性能与实用性之间的差异，并确定了关键影响因素。核心模型 TCRT5 在计算基准上优于现有方法，能够更高效地在前列位置优先排序功能相关序列。最重要的是，研究人员实验验证了一条针对 Wilms’ 肿瘤抗原的计算设计 TCR，该抗原是白血病的治疗相关靶点，并未包含在训练或验证集中。尽管该 TCR 展现出一定的病原体多肽交叉反应性，提示特异性仍有局限，但这一工作首次展示了仅凭目标序列即可在计算上设计出功能性 TCR 构建体。研究结果为计算驱动的 TCR 设计奠定了基础，并揭示了数据和方法学上的限制，为通过缩小靶标搜索空间来加速个性化免疫治疗提供了可行途径。

T 细胞通过其受体（TCR）在免疫系统中扮演“监视者”的角色。它们能够识别由主要组织相容性复合物（MHC）呈递的肽段，并以单氨基酸级别的精度区分自我与非自我。这种高度特异性的识别机制支撑了免疫防御，但同时也带来了 TCR 工程上的难题。

近年来，TCR 工程以及相关免疫疗法（如 CAR-T、工程化 TCR 以及 TCR 双特异性抗体）在慢性感染、自身免疫疾病和癌症治疗中取得突破性进展。然而，发现兼具特异性和自我耐受性的 TCR 依旧依赖于费时、低效的体外筛选。传统实验方法不仅耗费资源，而且难以覆盖广阔的 TCR–pMHC 组合空间。

计算方法为这一困境提供了希望。通过算法模拟和生成，研究人员有望在体外实验之前快速筛选候选 TCR，从而大幅提高效率。然而，现实挑战在于：数据稀疏、偏倚严重，大多数已知抗原特异性 TCR 仅限于少数疾病背景。因此，研究人员提出通过条件生成框架来直接建模 TCR 与 pMHC 的映射关系，以应对数据有限的场景。

方法

研究人员将抗原特异性 TCR 的设计任务转化为一个稀疏的 序列到序列（seq2seq）问题。核心思想是：输入表位–MHC（pMHC）序列信息，模型即可输出条件生成的 TCR 序列。

具体做法包括：

• 模型架构：设计了两类基于 Transformer 的编码器–解码器架构，分别是 TCRBART 和 TCRT5。
• 训练策略：引入低资源机器翻译中的多种技巧，包括 双向建模（pMHC ↔ TCR 的相互翻译）、多任务学习（结合掩码语言建模），以弥补数据稀缺的问题。
• 数据集构建：从 IEDB、VDJdb 和 McPAS 数据库中筛选 pMHC–TCR 配对，构建训练集，并将前 20 个高丰度 pMHC 保留作为验证集。
• 推理方式：采用束搜索进行序列采样，确保生成序列具备较高的生物学合理性。

最终，研究人员选择 TCRT5-FT 作为最佳模型，在计算基准与实验验证中均展现出优势。

结果

条件生成的优势

与无条件生成模型相比，条件生成模型在所有指标上表现更好，尤其在 序列恢复率 与 F1 分数 上差距显著。这表明在输入中引入表位信息能显著提升生成序列的针对性。

多任务训练与多特异性

多任务训练提高了模型的准确性，但减少了生成序列的多样性。研究人员发现，这类模型倾向于生成 多特异性 TCR（能够识别多个不同表位），提示其可能通过牺牲多样性来换取更高的一致性。这种现象揭示了 准确性与多样性之间的权衡。

TCRT5 的表现

TCRT5 在准确性、多样性平衡及对多特异性依赖度方面表现最佳。进一步分析显示，TCRT5 能生成与真实 CDR3β 序列高度相似的序列，并捕捉到合理的长度分布和位置熵特征。其生成结果覆盖了多个病毒和肿瘤相关表位，证明其具备较强的泛化能力。

稀疏基准测试

在稀疏验证集中，TCRT5 在 精确匹配、序列相似度 和 功能聚类 等指标上均优于 ER-TRANSFORMER 和 GRATCR，并且在某些表位任务中能够恢复真实的已知结合序列。这说明 TCRT5 在极少数据条件下依然能提供可靠预测。

实验验证

研究人员在白血病相关的 WT1 抗原 上进行了体外实验。40 条生成的 TCR 构建体中，有 1 条（F8 序列）成功触发了 T 细胞的功能性激活。虽然命中率不高（1/40），但仍远超传统发现方法的效率。此外，所有 40 个构建体都能在细胞表面正确表达，验证了 CDR3β 序列嫁接的可行性。值得注意的是，F8 对 WT1 产生反应的同时，也对广谱病原体肽池有反应，提示特异性仍需提升。

讨论

本研究提出的 TCR-TRANSLATE 框架 展示了在稀疏数据条件下利用 seq2seq 模型快速生成抗原特异性 TCR 的可能性。旗舰模型 TCRT5 在计算基准与实验中均表现出色，首次实现了针对未见抗原的功能性 TCR 设计，代表着计算免疫学的一大进步。

然而，研究也暴露了若干挑战：

• 多特异性问题：模型倾向于生成多特异性 TCR，这虽符合生物学现实，但不一定满足临床对特异性的高要求。
• 数据稀缺与偏倚：当前数据集规模有限，尤其在非病毒抗原方面不足，制约了模型的广泛应用。
• 实验覆盖不足：现阶段实验验证仅集中于单一非病毒抗原，还需扩展到更多表位和不同免疫背景。

未来方向包括：

• 扩充和均衡高质量数据集；
• 引入结构信息和多模态特征提升建模能力；
• 开发更高效的训练与采样策略；
• 在临床相关抗原上进行更广泛的实验验证。

总体而言，这一研究为 个性化免疫治疗 提供了新的思路。通过计算机快速生成候选 TCR，能够极大缩小搜索空间，加速针对新发疾病或个体化需求的免疫疗法开发。

整理 | DrugOne团队

参考资料

Karthikeyan, D., Bennett, S.N., Reynolds, A.G. et al. Conditional generation of real antigen-specific T cell receptor sequences. Nat Mach Intell (2025).

https://doi.org/10.1038/s42256-025-01096-6

内容为【DrugOne】公众号原创｜转载请注明来源