基于异质图网络的TCR-表位优先级排序与肿瘤反应性T细胞识别工作流DUET

《Briefings in Bioinformatics》：DUET: a graph-based workflow for TCR-epitope prioritization and tumor-reactive T-cell identification

　　

T细胞受体（TCR）与表位相互作用的准确优先级排序以及肿瘤反应性T细胞的识别，是面向免疫治疗的生物信息学工作流中重要但困难的步骤。现有方法通常分别处理这两项任务，要么将TCR-表位对建模为独立观测，要么主要依赖转录组特征。在本研究中，研究人员提出了DUET（TCR-表位与肿瘤反应性T细胞的双重统一评估，Dual Unified Evaluation of TCR-Epitopes and Tumor-reactive T cells），一种基于图的计算工作流，在单一异质图框架内统一了上述两种应用。该协议将TCR、表位和T细胞表示为通过相似性边和关联边连接的类型化节点，并结合了预训练序列嵌入、边感知图注意力、拉普拉斯位置编码（Laplacian positional encoding, LPE）和双向跨域注意力。在IEDB和VDJdb基准上，DUET分别取得了0.937/0.922和0.992/0.990的AUROC/AUPR值，在标准评估下优于五种最新算法。在单细胞RNA-seq肿瘤反应性基准上，该工作流取得了0.985的受试者工作特征曲线下面积（AUROC）和0.975的精确率-召回率曲线下面积（AUPR），显著超过基于转录组特征的基线方法。额外的泛化分析表明，DUET最清晰的图特异性优势出现在表位不相交的TCR-表位预测中。消融分析显示，拉普拉斯位置编码带来了最大的性能提升，尤其是在稀疏图设置下。这些结果表明，异质图建模可作为一种实用协议，用于在计算免疫学中整合受体序列、抗原背景和细胞表型。

**论文解读：DUET——基于异质图网络的TCR-表位优先级排序与肿瘤反应性T细胞识别统一工作流**

### 一、研究背景与问题

T细胞受体（TCR）对肽抗原的识别是适应性免疫的核心，也是过继性肿瘤浸润淋巴细胞转移、TCR工程化T细胞疗法和新抗原疫苗开发等免疫治疗策略的基础。然而，在计算层面，两个密切相关的问题仍难以大规模解决：一是如何在大量候选TCR-表位对中优先筛选出可能具有结合活性的配对以供下游实验验证；二是如何在不完全依赖劳动密集型功能实验的前提下，从单细胞数据中识别肿瘤反应性T细胞（TRT）。公共资源如IEDB和VDJdb提供了不断增长的经实验验证的TCR-表位关联目录，单细胞研究也已能够同时分析肿瘤浸润淋巴细胞的TCR序列和细胞状态。但现有方法往往只处理上述任务中的某一个：传统的TCR特异性预测方法依赖序列比对、理化性质评分或基于人工设计的CDR3特征的传统机器学习；后续深度学习方法如ERGO-II、NetTCR-2.0、DeepTCR和PanPep虽然改进了序列表示学习，但通常将每个TCR-表位对视为独立预测问题，难以利用相似TCR可能共享结合偏好、相关表位可能招募重叠受体集合这一库级结构。近期基于图的方法如GTE和HeteroTCR开始解决TCR-表位预测中的这一问题，但仍聚焦于以β链为中心的结合任务，且不能自然扩展到从单细胞数据识别TRT。另一方面，当前TRT识别工作流主要由转录组特征评分主导，对TCR序列上下文的利用相对有限。因此，缺乏一个能够将受体序列、抗原关联和细胞表型连接在同一分析框架中的统一计算协议。

### 二、研究内容与意义

研究人员提出了DUET（Dual Unified Evaluation of TCR-Epitopes and Tumor-reactive T cells），一个基于图的计算工作流，统一处理TCR-表位结合优先级排序和肿瘤反应性T细胞识别两个密切相关的应用。该工作流将TCR、表位和细胞表示为异质图中的类型化节点，通过域内相似性边和域间关联边连接。序列衍生特征与边感知图注意力、拉普拉斯位置编码（LPE）和双向跨域注意力相结合，在生物域内和域间传播信息。这一设计使得同一核心协议既可应用于经过整理的TCR-抗原数据库，也可应用于可将TCR克隆型与转录细胞状态关联起来的单细胞数据集。在IEDB数据集（8187个TCR-表位对）、VDJdb数据集（71686个配对）和胃肠癌单细胞数据集（376个经功能标记的T细胞）上进行了评估，并通过消融分析确定哪些结构组件对预测性能贡献最大。结果表明，DUET在三个基准上都取得了最高性能，且其最清晰的图特异性优势体现在未见表位的TCR-表位预测中，为计算免疫学中整合受体序列、抗原背景和细胞表型提供了一种实用协议。

### 三、关键技术与方法

DUET的核心方法包括四个阶段：数据准备、图构建、特征编码与基于图的表示学习、任务特定预测。关键技术如下：

- **异质图构建**：对于TCR-表位任务，构建包含TCR节点和表位节点的异质图，域间边表示已知TCR-表位关联，域内边通过k近邻（kNN）图基于序列相似性构建。TCR相似性由k-mer余弦相似性和理化相似性组合计算，α链和β链相似性矩阵按权重w_β=0.7合并。对于单细胞任务，构建包含TCR节点和细胞节点的图，细胞通过克隆型成员边连接到其表达的TCR克隆型，并基于表达相似性构建细胞间的kNN边。
- **节点特征初始化**：TCR序列使用基于BERT的蛋白质语言模型BertTCR编码CDR3序列，α链和β链嵌入分别生成后拼接；表位序列使用ESM-2蛋白质语言模型编码；细胞节点使用仅从训练折内选择出的差异表达基因的表达值初始化。
- **结构注入与图表示学习**：节点特征在消息传递前加入LPE和相似性边属性。核心由两种互补操作组成：域内精炼，即使用边感知图Transformer层在相似性图上聚合邻居信息，并将边权重直接纳入注意力机制；域间信息交换，即在TCR-表位工作流和单细胞工作流中分别应用双向跨域注意力，使不同域之间交换信息。
- **任务特定预测**：TCR-表位优先级排序将最终TCR和表位嵌入拼接后输入多层感知机（MLP）生成结合概率；肿瘤反应性T细胞识别将最终细胞嵌入输入MLP生成反应性分数。
- **评估设计**：使用五次重复的10折交叉验证，以AUROC和AUPR为指标。除标准随机分割外，还进行了TCR不相交、表位不相交、两者都不相交的严格泛化评估，以及克隆型不相交和患者不相交验证。为评估负样本构建的影响，设计了三种替代负采样策略（阳性TCR锚定随机采样、表位频率加权采样、TCR相似性硬负采样）。同时与多种非图和非参数基线（kNN检索、标签传播、矩阵补全、逻辑回归、无图MLP）进行比较。数据集来源为IEDB（版本3）、VDJdb（版本2025-12-29）以及Zheng等（Zheng2022）的胃肠癌单细胞数据集。

### 四、研究结果

**在IEDB和VDJdb基准上的性能**：在IEDB上，DUET取得AUROC=0.937（95% CI，0.931–0.942）、AUPR=0.922（95% CI，0.909–0.936），超过五种基线方法（DeepTCR、NetTCR-2.0、HeteroTCR、GTE、PanPep）。在VDJdb上，DUET取得AUROC=0.992（95% CI，0.991–0.993）、AUPR=0.990（95% CI，0.989–0.991），虽然所有方法在该较大数据集上表现趋近，DUET仍保持最高排名。

**在Zheng2022单细胞基准上的性能**：DUET在肿瘤反应性T细胞识别任务中取得AUROC=0.985（95% CI，0.981–0.990）、AUPR=0.975（95% CI，0.958–0.992），显著超过基于转录组特征的基线方法。最佳基线Lowery的AUROC为0.735、AUPR为0.310，AUPR差距尤为显著，说明基于预定义基因表达程序的方法在恢复少数肿瘤反应性类别时难以维持精确率。

**负样本选择敏感性**：在IEDB上，DUET在所有负采样方案下均优于NetTCR-2.0，但两种模型在频率加权和TCR相似性硬负采样下均出现性能下降；在VDJdb上，两种方法在所有方案下都保持较高准确性。结果表明随机配对负采样构成了较容易的预测任务，而频率加权和相似性硬负采样提供了更严格的评估环境。

**严格泛化评估**：在IEDB上，AUROC/AUPR从TCR不相交验证的0.888/0.906下降到表位不相交验证的0.756/0.672和两者都不相交验证的0.583/0.585；在VDJdb上对应值为0.985/0.988、0.895/0.798和0.728/0.696。Zheng2022在克隆型不相交验证下取得0.996/0.991，在患者不相交验证下为0.902/0.760。

**图学习对未见表位泛化的贡献**：在标准随机分割下，逻辑回归和表位频率评分等简单基线接近DUET性能；但在表位不相交验证下，DUET在两个数据集上均大幅超过所有非图和非参数基线，表明图表示学习在泛化到未见表位时贡献最为突出。在两者都不相交验证下，所有方法性能下降，DUET相对无图MLP的优势显著缩小。

**消融研究**：在IEDB上，基础模型（无结构编码）AUROC/AUPR为0.912/0.899，加入LPE后提升至0.938/0.924，再加边属性仅微增至0.938/0.928。在VDJdb上，三种变体均接近上限性能。度编码反而稳定降低性能，因此未纳入最终架构。在单细胞数据上，随机分割下所有变体均饱和，但在克隆型不相交验证下DUET仍最强，患者不相交验证下表现竞争性。

### 五、讨论与结论总结

讨论部分指出，DUET在TCR-表位优先级排序和肿瘤反应性T细胞识别上均表现强劲，但扩展验证分析明确了图学习最清晰的收益出现在表位不相交的TCR-表位预测中。在标准随机和TCR不相交评估下，预训练序列嵌入、表位频率和局部相似性结构本身已能捕获大量预测信号；而当需要向没有直接训练关联的表位传递信息时，异质消息传递尤为有效。LPE在稀疏、度分布不均的图中贡献最大，边属性增益相对有限。对于TRT识别，Zheng2022结果证明了DUET应用于配对TCR和单细胞转录组数据的可行性，但转录组逻辑回归和无图MLP在患者不相交验证下表现也较强，因此该结果不应被解释为图传播为该任务所必需。局限包括：缺乏实验验证的非结合对导致依赖假定负样本；不相交验证不等于完全独立的外部验证；DUET未显式建模MHC/HLA背景。未来版本可引入HLA等位基因作为额外图节点或直接建模肽-MHC特征。

研究结论为：DUET提供了一个基于图的计算工作流，用于TCR-表位关联优先级排序和从单细胞数据识别肿瘤反应性T细胞。通过将序列衍生表示与相似性感知图结构和跨域注意力相结合，该协议在统一框架中捕获了分子层面和库层面背景。在IEDB、VDJdb和Zheng2022基准上，DUET表现出强预测性能，尤其在精确率-召回率行为上优于竞品。消融分析表明LPE是最重要的结构组件，特别是在稀疏和度偏斜的图设置下。这些结果支持异质图建模作为连接TCR序列、抗原特异性和细胞表型的实用策略，将DUET定位为免疫治疗和T细胞库分析生物信息学工作流中的有用协议。

**关键要点**：DUET是统一TCR-表位结合优先级排序与肿瘤反应性T细胞识别的异质图工作流；在IEDB和VDJdb上优于五种最新方法；在胃肠癌单细胞数据上取得强TRT预测性能；LPE在稀疏、度偏斜图设置中贡献最大；最清晰的图特异性收益出现在表位不相交的TCR-表位预测中，而两者都不相交的结合预测和患者不相交的TRT预测仍具挑战性。