Nature 子刊 | 解码 TCR 的「识别逻辑」，助力疾病抗原发现
一句话看懂：2025年5月，斯坦福大学与芝加哥大学联合团队在《Nature Biotechnology》发表研究，通过高通量酵母展示技术与蛋白质语言模型，构建了T细胞受体（TCR）的肽识别全景图谱（PRPs），证实TCR的功能活性由抗原识别模式而非序列相似度决定，并成功筛选出强直性脊柱炎等自身免疫病的新型抗原。
事件核心：发生了什么
斯坦福大学K. Christopher Garcia团队与芝加哥大学Aly A. Khan团队开发了一套整合高通量实验与机器学习的平台。他们首先为16种来自强直性脊柱炎与急性前葡萄膜炎患者的HLA-B*27:05限制性TCR，通过酵母展示技术绘制了覆盖数百万肽段的PRPs。随后，利用PRPs数据微调蛋白质语言模型（pLMs），该模型在预测T细胞活化任务上表现优于AlphaFold3等传统结构预测工具。模型成功鉴定出PSG5等新型自身抗原，并通过晶体结构验证了其与CDR3β链的相互作用位点。
为什么重要
该研究颠覆了传统依赖氨基酸序列相似度预测TCR功能的思路，提出“功能距离”（即PRP差异度）才是量化TCR特异性的关键指标。这一发现为自身免疫病的机制研究提供了新路径：传统方法难以在序列相似TCR中区分致病性，而新平台可直接从识别模式上定位隐蔽抗原。对AI行业而言，研究证实蛋白质语言模型不仅可捕捉序列信息，还能从实验数据中学习到“静态结构无法体现的构象动态与能量变化”，为免疫治疗领域的TCR工程化改造、药物靶点发现提供了可规模化的计算框架。
对用户/开发者/创作者的影响
对免疫研究开发者：该平台可适配多种MHC亚型，是直接可用的开源技术路线。开发者可利用PRPs数据集与微调后的pLMs模型，快速筛选肿瘤或感染性疾病中的新抗原，无需从头构建实验体系。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对生物技术公司：模型输出的置信度评分（马氏距离）可降低实验验证成本。目前在自身免疫病中已验证了PSG5等候选抗原，可作后续CAR-T或双抗药物开发的起点。
对计算生物学研究者：研究公开了“功能距离”优于序列相似度的核心结论，未来在TCR库聚类、交叉反应性分析、分子模拟计算中，应优先采用PRP差异度替代传统TCRdist指标。
值得关注的后续
1. 平台是否会在其他MHC亚型（如HLA-A*02:01）上开源数据集，以扩展应用边界。2. 蛋白语言模型能否进一步融合结构动态数据（如分子动力学模拟），提升对未知TCR的泛化预测能力。3. 强直性脊柱炎候选自身抗原PSG5是否已进入临床前验证阶段，将直接决定该研究的转化价值。
来源：Readhub · AI
