《Briefings in Bioinformatics》:DTCR: generating realistic, diverse, and epitope-specific T cell receptor sequences via a discrete diffusion model
编辑推荐:
T淋巴细胞是适应性免疫的核心,利用克隆分布的T细胞受体(T cell receptor,TCR)以高特异性识别肽-主要组织相容性复合体(peptide-major histocompatibility complex,pMHC)配体。TCR的巨大多样性和精确抗
T淋巴细胞是适应性免疫的核心,利用克隆分布的T细胞受体(T cell receptor,TCR)以高特异性识别肽-主要组织相容性复合体(peptide-major histocompatibility complex,pMHC)配体。TCR的巨大多样性和精确抗原识别对于产生有效免疫应答至关重要。然而,传统的TCR发现和优化实验方法仍受到可靶向表位范围狭窄、肿瘤免疫逃逸和高昂成本的限制。这些瓶颈阻碍了TCR-T免疫疗法的广泛临床转化,并迫切需要先进的计算框架用于从头、可控地生成功能性、表位特异性的TCR序列。在此,研究人员介绍了DTCR,这是第一个基于离散扩散的表位特异性TCR序列生成模型。与现有模型不同,DTCR通过离散破坏方案模拟天然TCR氨基酸替代动力学,并结合结合特异性预测模块以指导可控生成。这一集成框架不仅增强了结合特异性和序列多样性,还能够实现针对目标表位的灵活TCR生成。DTCR在结合特异性方面优于最先进的表位特异性TCR生成模型(GRATCR,一种表位特异性TCR生成模型;以及TCR-TRANSLATE),相对于排名第二的模型TCR-TRANSLATE,在五种广泛使用的TCR特异性预测工具(基于物理启发的滑动Transformer(Physics-Inspired Sliding Transformer,PISTE);TCR-表位相互作用建模(TCR–Epitope Interaction Modelling,TEIM);ERGO,一种肽-TCR匹配预测工具;epiTCR,一种基于随机森林的TCR-肽结合预测器;以及NetTCR-2.0,一种基于卷积神经网络的TCR-肽结合预测工具)评估中分别取得了7.56%、17.21%、7.60%、0.45%和6.86%的相对提升。此外,DTCR生成的TCR表现出更强的序列多样性、与自然生物保守模式更好的一致性,以及更大的结合界面埋藏面积,支持增强的结合界面稳定性。DTCR在新型免疫疗法开发中的应用具有显著前景,为加速有效且特异性TCR的发现和推进个性化医学提供了强大工具。源代码可在https://github.com/skybluewhy/DTCR获取。
论文解读:DTCR——基于离散扩散模型的表位特异性T细胞受体序列生成
T细胞受体(TCR)是适应性免疫系统的核心组分,通过识别抗原呈递细胞表面的肽-主要组织相容性复合体(pMHC)启动免疫应答。TCR的多样性源于V(D)J基因重组,理论上可产生约10
15–10
20种不同序列,其中β链CDR3区域是决定抗原识别特异性的关键。尽管癌症免疫治疗已发展出多种策略,但TCR-T细胞疗法仍面临可靶向表位有限、肿瘤免疫逃逸、治疗相关不良反应等瓶颈。传统实验方法发现和优化TCR效率低、成本高,难以满足临床需求。因此,开发能够从头生成功能性、表位特异性TCR序列的计算方法具有重大意义。现有生成模型多基于自然语言处理范式,如GRATCR和TCR-TRANSLATE,它们虽能捕捉序列统计特征,但未显式整合TCR进化中的氨基酸替代动力学和抗原驱动的特异性选择约束,且未充分利用TCR-表位结合预测模型所蕴含的机制性知识。离散扩散模型能够在离散状态空间直接建模生物序列,为突破上述局限提供了新思路。
研究人员提出DTCR,这是首个基于离散扩散的表位特异性TCR序列生成模型。该模型通过两种离散转移矩阵模拟天然TCR氨基酸替代动态:一种为随机转移矩阵,另一种基于氨基酸替换频率的Blocks Substitution Matrix(BLOSUM)。BLOSUM策略将进化保守性编码进前向扩散过程,更真实地反映自然氨基酸替代规律。去噪网络采用先进的TCR-表位结合预测模型PISTE作为骨干,并调整其输出以预测TCR序列,从而在每一步去噪中植入表位结合约束。模型以目标pMHC为条件,从随机氨基酸序列出发,通过反向去噪生成特异性TCR。训练数据来自VDJdb、IEDB、McPAS-TCR及MIRA数据库(MIRA样本的MHC等位基因由MHCFlurry2.0推断),经统一清洗、去重和表位排除式划分后,训练集约330K对(1528个表位,140 541条唯一TCR),测试集约68K对(20个完全未见于训练集的丰富表位)。比较模型包括GRATCR和TCR-TRANSLATE,均在相同训练集上微调。评估采用五种结合预测工具(PISTE、TEIM、ERGO、epiTCR、NetTCR-2.0)和两种阴性采样策略,以及序列相似性、生成概率、多样性、保守性和结构分析等多种指标。
在结果方面,实验设置部分明确了数据划分和模型命名:采用BLOSUM转移矩阵的旗舰模型称为DTCR,随机转移矩阵模型为DTCR-R,吸收态掩码模型为DTCR-M。所有生成模型在70%数据上训练,30%数据独立训练预测工具,测试表位完全排除,确保无泄漏。
“DTCR可以生成高特异性T细胞受体”部分,通过五种预测工具评估,在参考TCR阴性采样策略下,DTCR的AUC值较第二优模型TCR-TRANSLATE相对提升7.56%(PISTE)、17.21%(TEIM)、7.60%(ERGO)、0.45%(epiTCR)和6.86%(NetTCR-2.0);在统一表位阴性采样策略下也分别提升5.91%、5.43%和7.31%(对应PISTE、ERGO、epiTCR)。DTCR同时优于DTCR-R和DTCR-M,说明BLOSUM引导的进化约束有利于特异性生成。
“DTCR生成的T细胞受体在序列相似性和生成概率分布上与天然T细胞受体高度一致”部分,使用BLAST比对11百万条天然CDR3序列,DTCR的BLAST bit-score分布与真实结合TCR高度一致(KL散度0.006),而GRATCR和TCR-TRANSLATE偏向更高相似性;OLGA生成概率分布显示DTCR接近真实(KL散度0.213),而基线模型偏向过高或过低概率。这表明DTCR保留了天然TCR序列的进化统计规律。
“DTCR生成的T细胞受体表现出更强的多样性和生物保守性”部分,序列logo和熵分析显示DTCR生成序列的位置熵与真实TCR强相关(Pearson=0.988),在抗原接触区呈现合理的高多样性,而在保守位点保持低熵。k-mer频谱分析中,DTCR在k=2–5的JS散度最小,说明短功能基序更接近天然。Levenshtein编辑距离分析显示DTCR更接近真实TCR。序列映射显示DTCR能发现训练集未出现的新天然结合序列(38条仅存在于测试集),且与训练集重叠率最低(0.22),接近天然基线(0.12),表明记忆化程度低、泛化性强。
“DTCR生成的T细胞受体的结构分析”部分,利用TCRdock对四个未见表位(LLLDRLNQL、EAAGIGILTV、GILGFVFTL、YLQPRTFLL)的TCR-pMHC复合物建模,DTCR生成TCR的ΔSASA均值分别为430.3、348.8、333.9、372.0,均高于对应真实TCR的329.2、295.7、236.4、323.1,显示更大埋藏界面。RosettaDock界面打分显示,在三个表位上生成TCR的界面分数等于或优于真实TCR,表明更稳定的相互作用。
讨论部分指出,掩码策略(DTCR-M)破坏序列生化连续性,随机策略(DTCR-R)缺少生物学约束,而BLOSUM策略最能模拟自然替代过程,因而性能最佳。同时,GRATCR和TCR-TRANSLATE较高的生成概率可能反映其在受限序列空间内的密集采样,而DTCR更贴近天然分布。讨论也承认了模型的局限:当前位置无关的转移矩阵未考虑CDR3位置特异性;TCR-表位预测器对未见表位的泛化仍有不确定性;严格表位划分不能消除交叉反应TCR序列重叠;单一结构预测工具可能覆盖不全;模型仅生成β CDR3,未建模配对αβ链。这些方向有待未来改进。
研究结论:DTCR代表了一种新的离散扩散框架,专门用于表位特异性T细胞受体(TCR)序列生成,通过基于Blocks Substitution Matrix(BLOSUM)的转移矩阵模拟天然氨基酸替代,并整合TCR-表位结合预测模块以支持可控和生物学合理的生成。DTCR在五种主流评估工具中提高了预测结合特异性,相对于对比方法TCR-TRANSLATE,相对AUC提升0.45%–17.21%,并在两种不同的阴性采样策略下保持稳健性能。DTCR生成的TCR紧密重现了天然免疫库的关键特征,包括序列同源性(Kullback-Leibler散度=0.006)、OLGA生成概率(KL散度=0.213)和位置多样性-保守性平衡(Pearson相关系数=0.988)。计算机结构分析显示,DTCR生成的TCR形成更大的埋藏结合界面(Δ溶剂可及表面积)和与pMHC更稳定的相互作用,为免疫治疗开发提供了计算支持。该研究发表于《Briefings in Bioinformatics》。