研究人员成功利用人工智能技术攻克了免疫学领域长期存在的重大挑战——精准预测T细胞对抗原肽的识别机制。这项由特拉斯研究院团队主导的研究,首次将阿尔法折叠3(AlphaFold 3)深度学习模型应用于T细胞受体-肽/主要组织相容性复合体(TCR-pMHC)相互作用的建模分析。
人体T细胞具有双重生物学功能:既能清除肿瘤和受感染细胞,也可能因错误攻击自体组织引发自体免疫疾病。这种免疫平衡的核心在于TCR-pMHC的精确识别过程,该过程直接决定了免疫应答的保护性或致病性。此前的预测模型在准确率和适用范围方面均存在明显局限。
"受AI结构生物学最新进展的启发,我们首次验证了AlphaFold预测T细胞表位识别能力的可行性。"研究首席姜崇明博士表示,"研究显示AlphaFold能有效区分有效表位与无效表位,标志着我们向实现高通量T细胞应答预测迈出了关键一步。"
研究团队通过计算建模技术,实现了免疫原性表位的计算机模拟识别。这项突破不仅为疫苗开发提供了新型靶点库,更通过设计高亲和力、特异性T细胞显著提升了癌症免疫疗法、传染病治疗和自体免疫疾病的治疗安全性与有效性。
"TCR-pMHC相互作用的精准预测模型将彻底改变免疫疗法和疫苗研发范式。"特拉斯研究院首席科学官沈曦灵博士强调,"这标志着基于免疫系统精准编辑的个性化医疗进入新纪元。"
尽管该技术尚需进一步优化和临床验证,但其证明了基于深度学习的结构建模在TCR-pMHC相互作用预测中的普适性潜力。这一突破性进展凸显了AI驱动技术在加速药物发现和免疫治疗设计中的核心价值,为开发更安全有效的治疗方案开辟了新路径。
参考文献: Chao C chi, Chiu Y, Yeung L, Yee C, Jiang C, Shen X. 基于AI/ML的T细胞免疫预测模型及相关研究. 前沿免疫学. 2025. doi: 10.3389/fimmu.2025.1651533
【全文结束】