EpiMII：基于结构感知图神经网络（Structure-Aware Graph Neural Network）的MHC-II类分子表位（MHC-II Epitope）从头生成模型

《Research》：EpiMII: Structure-Aware Graph Neural Networks for MHC-II Epitope Generation

　　

摘要：主要组织相容性复合体II类（Major Histocompatibility Complex class II, MHC-II）新抗原（neoantigen）在免疫治疗中发挥关键作用，既可作为直接效应分子，也可通过影响CD8+T细胞发挥作用。然而，仅有极少部分肿瘤DNA突变具备功能性新抗原特征，且现有预测工具准确性有限，使得体内高水平免疫原性新抗原的设计极具挑战。本研究提出EpiMII（EpiMPNN-MHCII），一种基于结构感知图神经网络（Structure-Aware Graph Neural Network, GNN）的MHC-II表位从头设计模型。研究人员通过逆折叠（inverse folding）策略整合三维（3-dimensional, 3D）结构信息，生成的模拟表位（mimotope）在保留T细胞特异性的同时增强了MHC-II结合亲和力与免疫原性。模型训练所采用的数据集为首创的、经同源建模（homology modeling）获得的142,934条MHC-II–表位复合物结构数据，克服了实验解析MHC-II–肽复合物稀缺的问题。基准测试显示，EpiMII在独立测试集上的序列恢复率（sequence recovery rate）达66.7%，在晶体结构表位上达79.0%，显著优于ProteinMPNN等现有工具。在肝细胞癌（hepatocellular carcinoma, HCC）案例研究中，EpiMII设计的5条表位均能在体外显著激活CD4+T细胞，并诱导干扰素-γ（interferon-γ, IFN-γ）及肿瘤坏死因子-α（tumor necrosis factor-α, TNF-α）分泌；其中一条表位（P4）在体内小鼠模型中显著减小肿瘤体积，效果与已知阳性对照相当。上述结果表明，EpiMII是结构引导新抗原发现的强有力工具，对癌症疫苗开发与个体化免疫治疗具有广泛意义。

论文解读：EpiMII——基于结构感知图神经网络的MHC-II表位从头生成模型

一、研究背景与立项依据

MHC-II限制性CD4⁺T细胞识别的肿瘤新抗原在癌症免疫治疗中具有重要地位，不仅能直接发挥效应功能，还能辅助CD8⁺T细胞的活化与记忆形成。然而目前MHC-II新抗原计算发现方法多为基于序列的绑定亲和力预测（如NetMHCIIpan、MixMHC2pred）或免疫原性预测模型，这些方法依赖静态序列特征，无法捕捉表位与MHC-II结合及T细胞受体（T cell Receptor, TCR）识别所需的关键三维构象信息，导致对真正免疫原性新抗原与野生型相似肽段的区分能力不足，且在少见HLA等位基因上泛化性差。此外，PDB中可下载的MHC-II–肽共结晶结构仅百余条，远不足以支撑深度学习模型训练。鉴于MHC-II结合表位骨架在空间中高度保守而一级序列无共有模体（consensus motif），研究人员提出假设：表位的三维结构特征而非一级序列模式才是MHC-II结合与T细胞激活的关键，可通过固定表位三维骨架进行逆折叠来设计保留TCR接触面几何构型、同时优化锚定残基以增强MHC-II结合与免疫原性的模拟表位（mimotope）。

为此，研究人员构建了首个大规模MHC-II表位三维同源建模结构数据集，并在此基础上开发了基于消息传递图神经网络（Message-Passing Graph Neural Network, MPNN）的逆折叠模型EpiMII（EpiMPNN-MHCII），用于MHC-II表位及新抗原模拟表位的从头设计，并通过肝细胞癌新抗原案例进行了体外与体内验证。该论文发表于《Research》。

二、主要关键技术方法

研究人员从IEDB获取485,366条MHC-II表位序列，以PDB中55条共结晶表位为模板，采用MODELLER进行同源建模构建142,934条非冗余（序列相似度>25%）表位三维结构数据集；经对比RoseTTAFold2、AlphaFold2/3，MODELLER所得模型与晶体结构平均RMSD最低（均值0.71 ?）。EpiMII以表位原子坐标（N、Cα、C、O及虚拟Cβ）及氨基酸类型为输入，构建稀疏距离图，经三层编码器更新节点与边隐状态得到潜在空间虚拟骨架，再经三层自回归解码器以逆折叠方式逐残基预测氨基酸概率分布生成序列；提供三种掩码（masking）策略分别固定保守/非保守/关键相互作用残基以控制设计自由度。模型以序列恢复率为核心指标，并与ProteinMPNN各版本比较；通过NetMHCIIpan-4.3评估输入-输出结合保留（Retention）与挽救（Rescue），通过分子复合物表征系统（Molecular Complex Characterizing System, MCCS）分析pMHC-II相互作用能，通过AlphaFold2-multimer/AlphaFold3预测设计表位–MHC-II复合物，通过C-ImmSim预筛免疫原性；最终选取HCC来源DUSP5基因突变新抗原AYHASKYEFLANLHIT（HLA-DRB1 * 01:01限制性），经EpiMII设计候选模拟表位后，采用健康供者PBMC进行胞内因子染色流式检测（IFN-γ、TNF-α、IL-4），并在C57BL/6小鼠Hepa1-6移植瘤模型中进行皮下免疫与肿瘤体积监测、血清ELISA及TUNEL凋亡检测。

三、研究结果

Critical role of 3D structures of epitopes in MHC-II binding

研究人员对66个覆盖全球约99%人群的HLA-II类等位基因G域进行序列与10项Kidera因子欧氏距离分析，并对IEDB中不同MHC-II类型结合的15-mer表位做位置频率皮尔逊相关分析，发现同基因座等位基因G域高度相似但表位序列无共有模体（最频发模体<6%）。对133个共结晶pMHC-II复合物进行骨架比对，中心区（position 1–6, 9, 10）表位Cα高度重叠（RMSD DR组均值0.56 ?，DQ/DP组约0.80 ?），N/C端柔性大；MCCS能量分解确认表位position 1–10为核心结合区，其中position 2偏好疏水作用，position 5、10与MHC-II形成氢键，position 7可形成立体与氢键作用；MHC-II沟槽中6个保守与6个非保守残基为主要结合决定簇。结论：MHC-II表位无序列水平共有模式但具高度保守三维骨架，三维结构特征是表位识别关键。

A novel MHC-II epitope structure dataset

PDB仅133条pMHC-II复合物不足以训练鲁棒模型。研究人员以55条晶体表位为模板，用MODELLER对IEDB序列库做同源建模，MODELLER表现显著优于AlphaFold2/3与RoseTTAFold2（ANOVA P=9.82×10^?66），102条验证集中位数RMSD 0.30 ?。经序列相似度阈值筛选（>25%最优），获得142,934条非冗余表位及其MODELLER建模3D结构，构成训练数据集。

EpiMII: A functional model for MHC-II epitope and neoantigen design

EpiMII基于MPNN架构，输入为表位3D坐标与序列，编码后经解码器自回归生成序列。测试集（14,294条）平均序列恢复率66.7%（中位数68.8%），仅14.34%低于50%；对102条晶体衍生表位恢复率79.0%，较ProteinMPNN提升约4.2倍。三种掩码策略可调设计自由度。模型对MODELLER与晶体结构输入的逐残基对数概率（log P）高度相关（Pearson r=0.9842）。核心富集（core enrichment）分析显示模型对结构定义结合核心赋予更高对数概率（中位富集0.12–0.34 log单位），滑动窗口重叠中位0.80–0.90，表明EpiMII学到了pMHC-II相互作用残基特征。

EpiMII preserves MHC–II binding in a label-free setting

以NetMHCIIpan-4.3 %Rank_EL为终点，EpiMII在未输入MHC-II等位基因标签下，强结合输入（Strong binder, %Rank_EL<2%）总体保留率（Retention）69.1%，弱结合（Weak）47.6%，非结合挽救率（Rescue）16.0%。高序列恢复（≥0.667）对应更高保留率（0.69）与更低挽救率（0.14），说明保留锚定位点与骨架构型有助于维持结合；序列恢复<0.5时保留率降至0.33。13–15-mer肽段在保留与挽救间较平衡。表明EpiMII在无标签条件下可有效维持MHC-II结合特性。

Designing a reported neoantigen for HCC using EpiMII

以HLA-DRB1 * 01:01限制性HCC新抗原（AYHASKYEFLANLHIT）为案例，EpiMII用四种掩码策略生成21条候选序列，经AlphaFold2-multimer/AF3结构一致性筛选与C-ImmSim免疫原性预筛，选5条做实验验证。体外PBMC实验显示原始新抗原与P4（mask conserved residues策略设计，序列AYHASKYEALANLWTH）诱导最高CD4⁺T细胞内IFN-γ⁺（15.81%）、TNF-α⁺（7.23%）及Th1/Th2比值，IL-4分泌最低。体内C57BL/6 Hepa1-6移植瘤模型中，阳性对照（原始新抗原）与P4组肿瘤体积抑制显著（P<0.05），P4抑瘤效果与阳性对照相当，血清IFN-γ水平最高，HE与TUNEL染色示P4组肿瘤细胞凋亡最明显，体重无显著下降。

Neoantigen-specific CD4⁺T cell responses and TCR repertoire analysis

WT肽（AYHASKCEFLANLHIT）与MUT肽（新抗原）均能激活CD4⁺T细胞，MUT肽诱导更高IFN-γ⁺、TNF-α⁺比例（约58% vs 39%），IL-4⁺均低。scRNA-seq联合scTCR-seq鉴定活化CD4⁺T细胞（CD3E⁺CD4⁺IFNG⁺）中共享TCR克隆，证实MUT、WT及P4可交叉激活部分相同TCR克隆，P4模拟表位保留了原始新抗原的TCR识别特异性。

四、讨论与结论总结

讨论部分指出，本研究阐明MHC-II表位三维结构在识别中的核心作用，构建了首个大规模MHC-II表位三维同源建模数据集，开发的EpiMII基于GNN逆折叠策略学习序列–结构关系以生成功能保留的模拟表位。HCC案例证明EpiMII设计模拟表位可在体外激活CD4⁺T细胞并在体内抑制肿瘤，且序列恢复率高并不等价于免疫原性强，关键残基改变位置（尤其mask conserved residues策略保留TCR接触区几何）更为重要。局限性包括PDB晶体结构少致潜在数据偏差、静态结构未完全捕获肽段柔性、当前目标函数未显式建模免疫应答强度。未来可引入正负样本均衡、扩大HLA-II等位基因结构覆盖、数据增强及多任务学习整合定量免疫原性数据。EpiMII不仅适用于MHC-II模拟表位设计，也可拓展至新抗原免疫原性优化与个性化/群体水平癌症疫苗开发。

研究结论（翻译）： 本研究强调了三维结构特征在MHC-II表位识别中的重要作用，提供了可用于深度学习训练的新型MHC-II表位三维数据集，克服了三维表位数据匮乏及候选表位体内免疫原性不足的局限。EpiMII为MHC-II表位设计开辟了新方向，可推动新抗原发现，为精准表位设计与癌症疫苗开发提供重要见解。