Cell Systems· Martin Culka, Nicolas W. Lounsbury, William Thrift, Santrupti Nerli, Andrew Wallace, Gergő Nikolényi, Darya Orlova, Kiran Mukhyala, Mohammed AlQuraishi·· 2026-08-13精选AI 评分76
研究用机器学习与生物物理模型预测TCR-pMHC相互作用特异性
Predicting specificity of TCR-pMHC interactions using machine-learning and biophysical models
AI 导读
【全文总结】研究提出TCRcube模型，结合ESM2与AlphaFold2表征预测TCR-pMHC结合特异性，在IMMREP_2022已知表位任务上达到或超过现有方法。但在未见表位和Genentech/Adaptive Biotechnologies的癌症新抗原零样本测试中，所有模型包括TCRcube均表现不佳，基于物理的打分函数反而优于多数机器学习模型。
推荐理由
研究用公开与私有数据系统比较TCR-pMHC特异性预测，揭示现有模型在未见表位上的泛化局限。
来源：Cell Systems · doi.org