T细胞受体（TCR）在免疫系统中扮演着关键角色，能够识别由主要组织相容性复合物（MHC）呈递的抗原肽，从而启动针对病原体和肿瘤细胞的免疫反应。然而，TCR的特异性（即区分自身抗原和非自身抗原的能力）是免疫系统有效运作的核心。尽管工程化的高亲和力TCR在增强抗原识别方面显示出潜力，但它们往往失去特异性，导致与自身抗原的交叉反应，进而引发严重的副作用。这一现象的机制尚不明确，阻碍了TCR在癌症免疫治疗和传染病治疗中的应用。 自然进化的TCR在动态生物力学调控下表现出极高的特异性，而工程化的高亲和力TCR则常常失去这种特异性。本研究旨在揭示自然TCR如何利用机械力形成最佳的“捕捉键”（catch bonds），并探讨高亲和力TCR失去特异性的机制。通过研究TCR与抗原肽-MHC复合物（pMHC）的...

T细胞受体（TCR）特异性预测的新突破——SCEPTR模型的提出 学术背景 T细胞受体（TCR）在免疫系统中扮演着至关重要的角色，它们通过与主要组织相容性复合物（MHC）呈递的肽段结合，决定了免疫反应的特异性。理解TCR与特定肽段-MHC复合物（pMHC）的相互作用是免疫学中的一个重大挑战。尽管高通量实验技术的发展为我们提供了大量TCR序列数据，但精确预测TCR与特定pMHC的结合能力仍然是一个难题。当前，蛋白质语言模型（PLMs）在高通量数据分析中展现出了强大的潜力，但在TCR特异性预测任务中表现欠佳，尤其是在数据稀缺的情境下。因此，如何有效利用无标注的TCR序列数据来训练模型，成为解决这一问题的关键。 论文来源 本文由Yuta Nagano、Andrew G.T. Pyo、Martina...