TCR-epiDiff：基于扩散模型的T细胞受体生成与表位结合预测双功能深度学习框架

本研究针对T细胞受体(TCR)序列多样性高且表位结合机制复杂的两大挑战，开发了基于去噪扩散概率模型(DDPM)的TCR-epiDiff框架。该模型通过ProtT5-XL嵌入表位信息，实现了表位特异性TCR的从头生成，并构建了TCR-epitope结合预测器(TCR-epiBP/TCR-epi*BP)。在COVID-19和NeoTCR数据集验证中，模型生成的CDR3β序列展现出保守末端特征，结合预测准确率达0.694-0.855，为肿瘤免疫治疗和疫苗设计提供了新工具。

　　

在免疫治疗领域，T细胞受体(TCR)如同精准的"分子探测器"，能特异性识别病原体和肿瘤细胞表面的抗原表位。然而这种识别能力背后隐藏着两大科学难题：一方面，TCR序列具有惊人的多样性（人体可产生约10¹⁵种独特TCR），使得特定表位对应TCR的筛选如同大海捞针；另一方面，TCR与表位的结合机制涉及复杂的空间构象和HLA分子参与，传统实验方法耗时耗力。这些瓶颈严重制约了CAR-T和TCR-T等免疫疗法的发展，特别是在占癌症95%的实体瘤治疗中收效甚微。

韩国首尔崇实大学生物信息与生命科学系的研究团队在《Bioinformatics》发表的研究中，创新性地将去噪扩散概率模型(DDPM)引入免疫组学领域，开发出TCR-epiDiff双功能系统。该系统通过三个关键技术突破：1) 采用ProtT5-XL预训练模型嵌入表位序列特征；2) 构建U-Net架构的扩散模型实现表位引导的TCR生成；3) 基于编码器开发结合预测模块，并整合HLA分型信息（来自VDJdb和IEDB数据库的50,310条CDR3_β序列）。研究特别采用10倍交叉验证和COVID-19/NeoTCR外部数据集进行严格评估。

【生成表位特异性TCR】

模型在10个时间步的线性噪声添加过程中（β_start=0.0001，β_end=0.1），成功重建具有生物学特征的CDR3_β序列。如图2D所示，生成的核苷酸序列翻译后保留末端保守序列（如CASS和FGXG模体），中间区域则呈现合理变异。位置相关性分析（图2E）显示末端残基相关系数达0.82±0.05，显著高于随机序列的0.654（p<0.001）。在COVID-19数据集验证中，模型生成的TCR与原始序列的余弦相似度达0.89，远高于与健康供体PBMC TCR的0.71。

【潜在空间表征】

通过UMAP降维可视化（图4B），10个表位对应的TCR在512维潜在空间中形成明显聚类。k近邻分析（k=5）显示78%的相邻TCR共享相同表位特异性，证实模型能有效捕捉表位-TCR的识别模式。这种特性使得模型可用于从大规模未标注TCR库中筛选候选结合序列。

【TCR-表位结合预测】

在包含HLA分型的TCR-epiBP模型中，测试集准确率达0.855（F1=0.807）。外部验证显示其对COVID-19表位的预测性能（准确率0.725）优于NetTCR-2.0等现有工具。在更具挑战性的NeoTCR数据集（132对肿瘤新抗原-TCR）上，整合HLA-A02:01等分型信息的TCR-epi*BP取得0.694准确率，证实模型对罕见突变表位的识别能力。

这项研究开创性地将扩散模型应用于免疫组学，其双重功能设计解决了从TCR生成到结合预测的全流程需求。特别值得注意的是，模型生成的CDR3_β序列不仅符合体细胞高频突变（SHM）特征，还能保持与天然TCR相当的折叠稳定性（通过ProtT5-XL特征空间评估）。尽管仍需体外实验验证生成序列的功能性，但该方法已为个性化TCR-T疗法提供了新的计算机辅助设计范式。未来通过纳入亲和力数据和多链（α/β）协同建模，有望进一步突破实体瘤治疗中的TCR筛选瓶颈。