科技日报讯 (记者都芃 通讯员丁嘉铖 于乐)在每个人的身体里,都驻扎着一支以万亿计的“特警部队”——T细胞。它们日夜巡逻,一旦发现被病毒感染或癌变的异常细胞便精准击杀。记者日前获悉,江南大学人工智能与计算机学院副教授潘祥课题组联合清华大学深圳国际研究生院、腾讯生命科学实验室、澳门大学等单位,开发出AI基础模型UpTCR。该模型能精准预测T细胞能否识别肿瘤抗原,在相关测试中取得优异成绩。研究成果近日在线发表于《自然·通讯》。
T细胞表面的T细胞受体(TCR)就像一个扫描仪,遇到情况会主动凑过去检查:是正常的自身蛋白就放行,一旦发现来自病毒或癌细胞的异常蛋白,就立刻拉响警报。T细胞怎么知道哪个细胞出了问题?事实上,我们身体里的每个细胞都会把自己内部的蛋白切成小段,装在一种叫人类白细胞抗原(HLA)的“展示架”上,送到细胞表面。然而,“哪个TCR认得出哪段异常蛋白”,对研究人员来说一直是个难题。
潘祥介绍,这一问题长期有两大约束:一是经过实验确认的记录十分有限,远远覆盖不了人体内TCR的种类;二是一个TCR往往能认出好几种结构相似的异常蛋白,这在免疫学上叫“交叉反应”。那些还没被记录过的“TCR-异常蛋白”组合,会被传统AI模型一律当成“不认识”。
UpTCR的思路就像婴儿学语言,先认单词、读句子,再写文章。其先让参与“TCR识别异常蛋白”过程的几个关键角色分别训练AI识别器,采用两阶段渐进式学习:先学会两个角色之间如何互相识别,再学会三个角色如何配合,最后才理解完整的识别过程。针对“交叉反应”难题,团队设计了SoftCLIP(软对比学习)策略,不再把没见过的配对一律当“不认识”,而是承认相似抗原可能也会被同一个TCR识别。
在涵盖3.6万余条实验记录的公开数据集上,UpTCR综合判别能力显著优于现有主流方法;即使面对训练时从未见过的全新抗原,也能保持可靠预测;在临床常见的信息不全情形下,表现也明显优于同类工具。
在乳腺癌患者外周血T细胞样本上,UpTCR仅用少量数据训练即可准确识别TCR与肿瘤抗原的配对;在黑色素瘤实验中,它从约10万种氨基酸变异中筛出8个高结合变异和1个可能导致肿瘤免疫逃逸的低结合变异,后续实验室验证计算预测与实验结果高度吻合。
“过去筛选一个能打肿瘤的TCR,往往要在实验室里大海捞针,费时数月。”潘祥说,UpTCR相当于给科研人员装上了一个“透视镜”,可以先在计算机里把候选名单从几万条缩到几十条,再进实验室验证。目前,UpTCR模型和相关数据集已开源,有望为肿瘤新抗原筛选、TCR-T疗法靶点优化和个性化肿瘤疫苗设计提供新工具。
