基于AlphaFold 3实现T细胞受体抗原特异性的序列通用预测

《SCIENCE ADVANCES》：General prediction of T cell receptor antigen specificity from sequence using AlphaFold 3

　　

主要组织相容性复合体（MHC）:肽段:T细胞受体（TCR）复合物是自然界已知最多样的三分子界面，也是适应性免疫的关键触发因素。目前TCR已可规模化常规测序；然而，解码其抗原特异性仍是瓶颈。尽管计算机方法已显著进展，但尚无可预测“未见”表位的方法，使其适用性局限于极小部分情形。研究人员在此表明，AlphaFold 3（AF3）能以空前准确度预测MHC:肽段:TCR三元复合物的结构。通过将AF3应用于>9000个TCR（对应>1000个不同表位，受>70个MHC I/II类等位基因限制），研究人员识别出可区分同源三元复合物与对照的特征。所得模型在AF3或特征选择阶段未见过的验证三元复合物上达到0.81至0.92的中位曲线下面积（AUC）。研究结果表明，从序列对TCR特异性进行通用预测是可能的，并具有显著加速免疫反应解码的潜力。

研究背景与意义：适应性免疫依赖T细胞受体（TCR；T细胞识别p:MHC的受体）库既广谱又精确。TCRα:β异二聚体在个体内>10⁸种（总可能性>10¹⁵），可识别由主要组织相容性复合体（MHC；提呈肽段的分子）展示的数十亿肽抗原。TCR测序已规模化，但将序列解码为抗原特异性仍是瓶颈；实验方法虽可用p:MHC探针、细胞报告系统和DNA条形码多重化等，但常需数月且仅能查询少量TCR。计算法分两类：基于序列特征的方法需对每个抗原先训练，且对不形成可检测簇的同源TCR不敏感；基于三维结构的方法依赖准确预测MHC:p:TCR界面，早期模型性能有限，AlphaFold-Multimer受残基共变限制，且仅在少数结构表征表位上验证。对“未见表位”的序列预测仍是免疫学重大挑战。AlphaFold 3（AF3；蛋白复合物结构预测模型）简化比对序列表示并引入生成扩散精修原子坐标，对蛋白复合物（包括抗体-抗原）表现更好，研究人员据此检验其能否实现TCR特异性通用预测；论文发表在《SCIENCE ADVANCES》。

主要方法：基于AF3（多序列比对和模板开启，5个随机种子、1个扩散样本、默认10次循环）预测MHC:p:TCR三元复合物结构，Boltz-2作对照；以互补决定区（CDR；TCR高变区）RMSD及各链RMSD对照PDB晶体结构，并提取界面预测模板建模（ipTM）、预测对齐误差（PAE）、预测局部距离差异测试（pLDDT）、对接几何等特征；用IEDB训练集（8104个MHC I和1688个MHC II候选同源三元复合物，经序列同一性排除）和验证集（AF3训练截止后PDB的16个MHC I同源三元复合物；CRESTA的205个MHC II同源三元复合物），以置换生成非同源对照，按抗原-研究组合行受试者工作特征（ROC）/曲线下面积（AUC）分析；比较随机森林和XGBoost后采用单特征AF3-PTI-PAE。

研究结果：（1）在具有已知结构的MHC:p:TCR三元复合物上基准测试AF3性能（Benchmarking AF3 performance on MHC:p:TCR triads with known structures）：通过284个已解析三元结构（214个MHC I、70个MHC II）及129个AF-TCRdock处理过的结构，将AF3预测与晶体结构比较，发现AF3可重现整体折叠、链配对、肽段结合槽定位及MHCα螺旋-肽-TCR CDR界面形成；CDR RMSD中位数为1.5/1.8 ?（AF3训练前I/II类）和3.2/2.4 ?（训练后I/II类），显著优于AF-TCRdock，且较Boltz-2显示更好泛化；ipTM和对接几何z-score与CDR RMSD相关，提示置信度可用于评估预测质量。（2）将AF3应用于大型IEDB数据集并识别分类特征（Application of AF3 to a large IEDB dataset and identification of classification features）：通过在IEDB训练集上运行AF3并提取近50个汇总、界面、局部和对接特征，按抗原-研究组合行ROC/AUC分析，发现绝大多数特征显著偏离AUC=0.5，最佳单特征为AF3-PTI-PAE（31?mean_p_tcr_interface_pae），在未见验证三元复合物上中位AUC为0.81至0.92；随机森林和XGBoost未稳定提升，故选择单特征以避免过拟合。（3）分析AF3分类器在不同实验类型、TCR:抗原亲和力和交叉反应肽中的表现（Analysis of AF3 classifier performance across assay types, TCR:antigen affinities, and cross-reactive peptides）：通过按IEDB实验类型分层，发现分类性能依赖实验类型（P=3.2×10^?6和3.8×10^?14），binding assay最高（中位AUC 0.93/0.94），表面等离子共振（SPR）在MHC I为0.85，multimer/tetramer最低（0.61/0.52）却贡献最多同源三元复合物；在可获得解离常数（K_d）的三元复合物中AF3-PTI-PAE与K_d显著相关，工程化高亲和TCR得分更高；对Mendoza等研究的AGA1 TCR识别的HIV Gag肽及21个酵母展示鉴定的交叉反应肽，匹配突变距离时交叉反应肽得分高于随机突变背景。（4）在高品质留出数据集上验证分类器（Classifier validation on high-quality held-out datasets）：通过AF3训练截止后PDB的16个MHC I同源三元复合物和CRESTA的205个MHC II同源三元复合物（8个未结构表征的结核分枝杆菌抗原）进行留出验证，抗原中心ROC的AUC中位数MHC I为0.92、MHC II为0.81；TCR中心AUC中位数为0.86/0.94；显著优于AF-TCRdock 0.24至0.33个AUC单位；性能与到AF3训练数据的距离无相关，支持泛化。

讨论与结论：讨论指出，本研究证明AF3对MHC:p:TCR复合物的建模准确性和通用性足以支持仅从序列预测TCR对“未见”抗原的特异性。最终AF3-PTI-PAE模型相对简单且验证稳定，预期可推广并立即用于将感兴趣的TCR查询小到中等候选表位集；但其不适合高灵敏度或极大规模库中先验概率极低的应用。模型常能在高特异性下检出一部分同源TCR（如MHC II验证集中100%特异性下中位灵敏度13%，50%特异性下83%），其余同源三元复合物接近随机分布，提示性能受AF3对部分同源三元复合物结构预测失败限制。交叉反应肽区分结果令人鼓舞，但超出该TCR的普适性尚待确定。未来改进包括结构预测模型演化、用RMSD辅助损失微调、冻结AF3并学习刚性变换后校正；需大型准确数据集；IEDB异质性和既往约50%不可重复观察提示数据库准确性重要；亲和力差异可能解释实验类型差异；无约束in silico映射仍需与数十亿p:MHC可能性和TCR多反应性匹配的假阳性率，仍不可及；可能结合蛋白语言模型或RFdiffusion设计p:MHC等；方法可扩展至非肽配体、非经典MHC和其他TCR类别。研究结论（译）：本研究表明，AF3能够以足够的准确性和通用性对MHC:p:TCR复合物建模，从而使仅从序列预测TCR对“未见”抗原的特异性成为可能；研究结果还表明，从序列对TCR特异性进行通用预测是可能的，并具有显著加速免疫反应解码的潜力。