Nature子刊发表UpTCR：用于T细胞受体-抗原结合识别的渐进式迁移基础模型

2026 年 9 月 24 日, 《自然-通讯》（Nature Communications）发表了关于 T 细胞受体（TCR）与抗原结合识别的基础模型 UpTCR 的研究成果, 为攻克免疫相互作用数据稀缺与交叉反应性预测难题提供了全新计算框架。

• 统一渐进迁移机制：UpTCR 从二聚体、三聚体相互作用数据中逐步迁移表征知识至四聚体复合体（TCR-抗原-HLA）, 显著降低了对完整四聚体训练数据的依赖。
• 软对比学习消减伪假阴性：模型引入软对比学习策略, 缓解生物相互作用数据中未标记结合位点引发的假阴性干扰, 提升了训练鲁棒性。
• 新抗原与残基级互作解析：评测显示其在预测 TCR 结合特异性与抗原-HLA 结合亲和力上优于现有基线方法, 并可解析四聚体间的成对残基级相互作用。
• 临床样本迁移与前瞻性验证：在低样本乳腺癌队列中实现有效表征迁移, 并在黑色素瘤抗原变体的前瞻性验证中识别出 8 种诱发 T 细胞反应的免疫原性肽段与 1 种免疫逃逸变体。
• 影响/看点：该模型为 TCR 免疫疗法与肿瘤新抗原疫苗设计提供了可解释的计算工具, 但其临床转化价值仍取决于高通量湿实验的验证效率以及在复杂肿瘤微环境中的泛化表现。
• 资料依据：
• Nature Communications（2026-09-24）：https://www.nature.com/articles/s41467-026-78075-x

本内容由 AI 生成，仅供参考，请注意甄别