《Frontiers in Immunology》：ClareV: a contrastive learning framework for context-aware TRBV representations in TCR repertoires
编辑推荐：
背景：T细胞受体（TCR）β链的V基因片段（TRBV）对于抗原识别至关重要，然而先前的研究将它们视为固定类别，并忽略了告知功能多样性的谱系特异性免疫动态。方法：研究人员引入了ClareV，一种对比学习框架，将T细胞受体谱系划分为V基因特异性组，以提取捕获这些动
背景：T细胞受体（TCR）β链的V基因片段（TRBV）对于抗原识别至关重要，然而先前的研究将它们视为固定类别，并忽略了告知功能多样性的谱系特异性免疫动态。方法：研究人员引入了ClareV，一种对比学习框架，将T细胞受体谱系划分为V基因特异性组，以提取捕获这些动态的数据驱动嵌入。研究人员在三个TCR谱系队列中评估了ClareV，涵盖巨细胞病毒（CMV）、胃癌和多癌设置。结果：在Emerson2017 CMV队列中，ClareV随机森林（RF）融合模型相比最强的仅V家族使用基线（线性SVM）将AUC提高了14.3%，相比最强的仅V基因使用基线（随机森林）提高了13.3%。这些结果表明，ClareV嵌入捕获了超出V频率摘要的额外谱系水平信息。消融研究表明，频率加权装袋和对比V袋学习都对性能有贡献，优于简单池化和非对比学习袋对照。在CMV队列中，下游嵌入分析显示，ClareV表征部分重现了IMGT定义的V基因结构，同时保留了一个CMV响应性的非序列组分，该组分在很大程度上与经典V使用信号正交。讨论：这些发现支持自适应V基因表征作为一个紧凑特征空间，补充了V频率摘要用于谱系水平分类。
**论文解读：ClareV框架在TCR谱系中生成上下文感知的TRBV表征**
**研究背景与问题**
T细胞受体（TCR）的多样性通过V(D)J重组产生，其中β链的V基因片段（TRBV）在抗原识别中起关键作用。然而，以往研究通常将TRBV视为固定类别，仅关注其使用频率，忽略了谱系特异性免疫动态对功能多样性的影响。现有分析方法多集中于CDR3区域，而V基因片段（包含CDR1、CDR2和框架区）被忽视，这可能导致基于CDR3分析的结论可靠性不足。此外，V基因作为离散类别处理时，无法捕捉基因间的功能相似性及其与TCR其他部分的上下文关联，限制了模型学习谱系内依赖动态的能力。因此，需要一种能捕获上下文依赖性免疫适应性的计算方法，将V基因信息转化为数值表示，以提升TCR谱系的计算分析性能。
**研究目的与意义**
研究人员提出了ClareV（Contrastive Learning of Adaptive Receptor Embeddings for V genes）框架，旨在生成谱系适配的V基因表征，通过V基因装袋设计和对比学习同时捕获基因间相似性和谱系上下文。该研究发表在《Frontiers in Immunology》上，其意义在于提供了一种紧凑的特征空间，可补充传统V频率摘要，用于谱系水平分类任务，并支持对V基因结构的可解释性分析。
**主要关键技术方法**
研究人员使用了三个外周血单个核细胞（PBMC）TCR谱系队列：Emerson2017 CMV队列（760个个体，含健康对照和CMV感染者）、Wang2022胃癌队列（胃癌与对照）和Hamm2020多癌队列（多癌与健康对照）。关键方法包括：（1）V基因袋构建：使用TCR2vec框架将TCRβ序列编码为120维向量，按IMGT注释的V基因分组，采用频率加权装袋（默认）或均匀装袋策略，从每组中抽取固定数量（n=50）的克隆型构成V基因袋；（2）对比学习：通过三元组损失训练共享袋特征提取器，其中锚点和正样本来自同一V基因同一谱系的两个独立装袋，负样本来自同一V基因但不同谱系，以此学习谱系内一致性和谱系间变异性；（3）特征提取器架构：包含线性投影、层归一化、ReLU激活、均值池化和二次线性投影，输出120维袋级表征。
**研究结果**
**3.1 ClareV特征促进谱系分类任务**
在Emerson2017 CMV队列中，ClareV嵌入单独使用（MLP分类器）在V家族分辨率下达到AUC=0.755，超过最高V家族使用基线（线性SVM，AUC=0.679）。ClareV随机森林（RF）融合模型（结合ClareV嵌入与V家族使用特征）达到AUC=0.776，较最强基线提高14.3%。在V基因分辨率下，RF融合模型AUC=0.782，较最强基线（随机森林，AUC=0.690）提高13.3%。在外部队列Wang2022和Hamm2020中，RF融合模型在V家族和V基因分辨率下均达到最高平均AUC，其中Wang2022在V基因分辨率下AUC较随机森林使用提高10.1%。配对Bootstrap检验证实RF融合显著优于V使用基线和两种非对比学习袋基线（监督V袋编码器和注意力MIL V袋编码器）。
**3.2 组件贡献：特征聚合、装袋和对比学习**
在Emerson2017 V家族分类的消融实验中，简单池化（最大池化AUC=0.602，平均池化AUC=0.593）提供有限信号。ClareV中频率加权装袋（嵌入模型AUC=0.755，RF融合AUC=0.776）优于均匀装袋（嵌入模型AUC=0.694，RF融合AUC=0.671）。非对比学习袋基线（监督V袋编码器AUC=0.663，注意力MIL V袋编码器AUC=0.689）低于ClareV频率加权装袋嵌入模型，表明对比目标贡献了更强的表征。
**3.3 ClareV TRBV嵌入揭示CMV队列中的谱系特异性分化**
通过UMAP可视化，ClareV嵌入比平均池化和最大池化更分散，多个V基因嵌入跨越传统IMGT簇，表明捕获了额外谱系特异性异质性。聚类分析（1-NMI、1-ARI、1-Purity和簇熵测度）表明，ClareV嵌入与静态IMGT边界的对齐程度低于简单池化方法，支持其捕获了超出IMGT类别标签的谱系上下文结构。
**3.4 使用ClareV学习嵌入重新评估CMV队列中的V基因和家族组织**
UMAP可视化显示，同一IMGT V家族的嵌入倾向于形成连续簇，但家族间边界模糊（如TCRBV06和TCRBV10部分重叠）。轮廓系数分析（平均0.04224）表明IMGT V家族组内凝聚力较低，其中TCRBV20得分最高（0.2607），而TCRBV05、TCRBV23、TCRBV06为负值。层次聚类显示，同一IMGT家族的V基因通常聚类，但也存在额外分组（如TCRBV04与TCRBV03、TCRBV11与TCRBV07相关分支），表明数据驱动的组织模式不完全遵循IMGT层级。
**3.5 CMV相关的V嵌入几何超出V使用**
Mantel检验显示ClareV嵌入中V基因间余弦距离与IMGT氨基酸序列相似性显著相关（Spearman ρ=0.43，P<10
-3），但弱于TCR2vec基线（ρ=0.90），表明ClareV保留了部分序列基础结构但重新组织了谱系上下文信息。CMV阳性/阴性中心位移分析显示，ClareV嵌入的位移排名与经典V使用关联统计排名几乎不相关（Spearman ρ=0.00，P=0.99），但位移方向在CMV标签置换检验下呈非随机性（P<10
-3），表明ClareV捕获了与V频率摘要大体正交的CMV相关信号。
**总结与讨论**
研究人员通过消融和嵌入空间分析支持了自适应V基因表征的价值。ClareV保留了序列基础的组织结构，同时捕获了不同于经典V使用频率的谱系上下文信息，在CMV队列中表现出互补性。当前研究受限于横断面谱系数据，无法反映短期感染动态；V基因类别须在所有谱系中共享，限制了稀疏V基因的使用；且未纳入人类白细胞抗原（HLA）信息。未来方向包括使用置换不变集编码器放宽固定类别要求、显式编码HLA基因型、引入更先进的对比学习目标，以及联合编码V基因、J基因和CDR3序列上下文。研究结论如下：ClareV框架通过对比学习从谱系上下文中学习数据驱动的TRBV表征，而非将V类别视为固定计数特征，这一设计保留了队列特异性免疫背景信息，并将预测建模与结构解释统一在单一管道中。在CMV案例研究中，ClareV特征在V家族和V基因设置下均一致优于仅使用和简单池化基线，与无对比学习袋基线的比较进一步支持了对比目标自身的贡献。V基因表示为学习嵌入而非固定类别或计数特征，有助于显式建模基因间相似性和队列特异性表征邻近性，同时保持紧凑特征空间供下游检查。
