MultiMHC：融合序列与接触拓扑的pMHC结合预测框架

Wenfan Chen等作者提出MultiMHC，一个结合图卷积网络与双向GRU的多尺度深度学习框架，同时建模pMHC复合物的残基接触拓扑与序列特征。作者在外部测试集、IEDB基准和TESLA新抗原数据集上将其与NetMHCpan 4.1、MHCflurry 2.0、TransPHLA等工具比较，称性能与这些现有方法相当，在基于排序的评估中表现尤其突出。 训练集含2,033,857个唯一pMHC对；剔除与训练肽汉明距离≤2的验证肽后，交叉验证AUC由0.9842降至0.9801，作者据此称冗余未驱动结果。在TESLA数据集上，MultiMHC结合分数能在排名靠前的候选中富集实验验证的T细胞表位，作者据此支持其作为新抗原发现流程中基于结合的上游过滤步骤，但明确其并非独立的免疫原性预测器。 作者同时指出，现有外部基准中完全未见过的HLA两位数家族样本很少或没有，限制了对全新HLA家族空间泛化能力的评估。

AI 根据报道生成 · 2 小时前更新