BioText-SeqFormer:整合生物医学语义表示与蛋白质序列嵌入用于 TCR-肽相互作用预测

《Computational Biology and Chemistry》:BioText-SeqFormer: Integrating biomedical semantic representations and protein sequence embeddings for TCR–peptide interaction prediction

【字体: 大 中 小 】 时间:2026年10月10日 来源:Computational Biology and Chemistry 3.4

编辑推荐:

   •BioText-SeqFormer 整合了生物医学语义和 TCR-肽序列。•任务适配的 BioMed-RoBERTa 编码结构化免疫学背景以供预测。•CFGA 自适应融合互补的文本和序列表示。引言T 细胞受体(TCRs)与抗原肽之间的特异性识别是人类适应性免疫系统识别和消除

  
  • •
    BioText-SeqFormer 整合了生物医学语义和 TCR-肽序列。
  • •
    任务适配的 BioMed-RoBERTa 编码结构化免疫学背景以供预测。
  • •
    CFGA 自适应融合互补的文本和序列表示。

引言

T 细胞受体(TCRs)与抗原肽之间的特异性识别是人类适应性免疫系统识别和消除异常细胞的核心机制。在免疫应答过程中,抗原肽通常由主要组织相容性复合体(MHC)分子呈递在细胞表面,随后被 TCR 识别,从而触发下游 T 细胞激活(Wang 等,2026)。由于 TCR 通过基因重排获得了极其丰富的序列多样性,不同的 TCR 对抗原肽表现出高度选择性的识别能力,且强结合关系通常仅发生在特定的 TCR 和特定的肽之间。因此,准确预测 TCR-肽相互作用对于癌症免疫治疗、传染病研究、疫苗设计和个性化免疫干预具有重要意义。然而,TCR-肽结合关系的鉴定仍然主要依赖于高通量筛选、肽库构建和 TCR 文库合成等实验方法(Gaglione,2025)。尽管这些方法可以提供可靠的实验验证结果,但它们通常耗时且成本高昂,并且难以覆盖真实免疫库中 TCR-肽对的巨大组合空间。因此,开发具有良好泛化能力的、高效且低成本的计算预测方法是非常必要的。
近年来,深度学习方法发展迅速,并在包括生物医学序列建模(Boadu 等,2025,Jin 和 Xu,2025,Jin 和 Xu,2026)在内的各种应用领域中展现出对建模复杂非线性关系的巨大潜力。蛋白质相互作用网络的相关研究表明,多层嵌入可以保留互补的局部和全局拓扑信息,说明了整合多种表示视图对于复杂生物分子相互作用建模的价值(Meng 等,2021)。针对 TCR-肽相互作用预测,已提出了多种代表性方法。ERGO 使用基于 LSTM 或自编码器的架构对肽和 TCR CDR3 序列表示进行建模;其原始公式未包含 MHC 或 V 基因信息(Springer 等,2020)。NetTCR-2.0 通过卷积神经网络纳入了配对的 TCR α/β 链信息和肽序列,但其报告的模型未将 MHC 序列编码为输入(Montemurro 等,2021)。PanPep 在元学习框架中使用肽和 TCR CDR3 序列对来处理新肽和少样本场景,其当前公式未考虑 HLA 分型或 TCR α 链(Gao 等,2023)。TEINet 同样从 TCR 和表位序列编码构建预测(Jiang 等,2023)。相比之下,UnifyImmun 纳入了 HLA 序列信息,并在统一的交叉注意力框架内同时处理肽-HLA 和肽-TCR 结合任务(Yu 等,2025)。这些方法通过序列表示学习、卷积特征提取、少样本泛化、跨分子注意力和相互作用模式建模推动了 TCR-肽结合预测。
尽管氨基酸序列提供了分子识别的主要依据,但 TCR-肽识别取决于免疫学背景,这可能不会仅由肽和 CDR3 序列明确表示。抗原肽作为肽 -MHC 复合物被识别,MHC 限制性提供了一种具有生物学意义的呈递背景,可以影响哪些肽特征暴露给 TCR(Wang 等,2026)。此外,V 基因使用和与物种相关的免疫背景反映了库生成、选择和抗原暴露背景;这些属性并不等同于从肽和 TCR 序列对中学到的局部序列模式。因此,仅基于序列的模型可能需要间接推断异构的背景因素,而结构化注释可以显式地提供这些因素。这一考虑促使将 MHC 限制性、V 基因来源和物种背景与序列嵌入相结合,从而用与任务相关的生物医学背景补充序列级表示学习(Myronov 等,2023)。
这种输入级别的比较表明,尽管 UnifyImmun 纳入了 HLA 序列信息,但在这些代表性方法中,MHC/HLA 限制性、V 基因来源、物种或病理相关背景以及结构化生物医学语义表示的显式联合集成仍然有限。受此差距启发,我们提出了 BioText-SeqFormer,这是一个多模态预测框架,它将任务适配的生物医学语义表示与蛋白质序列嵌入相结合。该框架联合建模抗原肽、TCR α/β 链及其结构化的生物医学文本描述,使序列级特征和语义上下文信息能够在统一模型中相互作用(Xu 等,2026)。为了实现有效的多模态融合,BioText-SeqFormer 引入了跨模态 Transformer 编码器和互补融合门控聚合(CFGA)模块,以捕捉全局依赖关系并细化语义 - 序列相互作用。通过这种设计,BioText-SeqFormer 旨在更充分地利用可用的免疫学信息,提高 TCR-肽结合预测的准确性、鲁棒性和可解释性(Goffinet 等,2023)。本研究的主要贡献总结如下:
本研究的核心假设是,结构化的生物医学背景可以通过帮助区分依赖于背景的 TCR-肽识别模式来补充序列表示,而这些模式在仅使用肽和 TCR 序列时可能并不明显。因此,本研究的贡献组织如下:
  • •
    我们将 TCR-肽相互作用预测构建为一种上下文感知的多模态学习问题,其中联合考虑 MHC 限制性、V 基因来源、物种背景和序列衍生的信息,而不是将识别视为仅基于序列的匹配任务。
  • •
    为了验证这一假设,我们开发了 BioText-SeqFormer,它将任务适配的生物医学语义嵌入与 ESM-2 肽和 TCR α/β 序列嵌入相结合。跨模态 Transformer 和 CFGA 模块被用于实现上下文表示和序列级表示之间的相互作用。
  • •
    我们通过针对 IEDB 和 McPAS-TCR 的五折实验、对比基线和消融分析来评估上下文语义表示是否提供互补的预测信息,这些分析分别评估了语义分支、序列分支和 CFGA 模块的贡献。
  • •
    我们进一步研究了所学到的上下文感知表示的实际意义,通过 Top-k 候选优先级排序、肽和 TCR 模式分析、9-mer 位置 - 氨基酸关联分析以及 VDJdb-COVID 迁移实验。

章节摘要

BioText-seqformer 框架概述

本研究旨在构建一个多模态融合框架,用于预测 TCR-肽结合的可能性。为此,我们提出了一种 TCR-肽相互作用预测模型,该模型整合了任务适配的生物医学语言语义表示与蛋白质序列表示。该模型整合了 TCR α/β 链、抗原肽序列以及生物来源和 MHC 等补充信息,以捕捉不同生物特征之间的跨模态关联。

数据集和阳性样本筛选

本研究在两个公开的 TCR-肽数据集 IEDB 和 McPAS-TCR 上评估了提出的模型(Pham 等,2023,Chronister 等,2021)。IEDB 是一个人工整理的免疫表位数据库,包含与 T 细胞、B 细胞、MHC 结合和 MHC 配体洗脱相关的实验验证表位记录。McPAS-TCR 是一个人工整理的病理相关 TCR 序列数据库,包括与不同疾病、抗原和表位相关的 TCR 记录。基于这些数据库,我们

整体预测性能

我们首先评估了 BioText-SeqFormer 在 IEDB 和 McPAS-TCR 数据集上的整体预测性能,并将其与代表性方法进行了比较,包括 ERGO(Springer 等,2020)、NetTCR-2.0(Montemurro 等,2021)、UnifyImmun(Yu 等,2025)、PanPep(Gao 等,2023)和 TEIM(Jiang 等,2023)。所有方法均使用相同的训练和测试划分进行评估,以确保模型之间的一致性比较。对于基线比较,我们保留了原始的

结论

本研究提出了一个整合预训练生物医学语言模型和蛋白质语言模型表示的 TCR-肽相互作用预测框架。该方法使用任务适配的 BioMed-RoBERTa 来提取生物医学语义表示,并将其与 ESM-2 结合以获得抗原肽和 TCR α/β 链的蛋白质序列表示。跨模态 Transformer 编码用于捕捉模态之间的全局依赖关系,CFGA 模块进一步

CRediT 作者贡献声明

王正祥:撰写 – 原稿,可视化,方法论,调查。陈祝丹:验证,项目管理,数据整理。李大姿:撰写 – 审查与编辑,监督,资金获取,概念化。

利益冲突声明

作者声明,他们没有已知的竞争性财务利益或个人关系,这些关系可能会影响本论文中报告的工作。

致谢

这项工作得到了中国国家自然科学基金(编号 62273026,62673039)的支持。
通讯作者是李大姿,她于 2004 年 4 月获得日本九州大学电气与电子系统系博士学位,现任北京化工大学信息科学技术学院教授及副院长。她的研究领域包括机器学习与人工智能、先进过程控制、复杂系统建模与优化、故障诊断与安全评估。
王正祥|陈祝丹 | 李大姿
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号