epiTCR: высокочувствительный предиктор связывания TCR с пептидами

Предсказание связывания Т-клеточного рецептора (TCR) с пептидом, представленным молекулой человеческого лейкоцитарного антигена, представляет собой чрезвычайно сложную задачу и является одним из ключевых препятствий на пути развития иммунотерапии. Существующие инструменты предсказания, несмотря на высокую эффективность на наборах данных, на которых они были разработаны, характеризуются низкой частотой истинно положительных результатов при предсказании эпитопов, способных вызывать Т-клеточные ответы у пациентов. Поэтому по-прежнему необходим усовершенствованный инструмент для предсказания связывания TCR с пептидами, построенный на основе крупного набора данных, объединяющего имеющиеся общедоступные данные. Мы собрали данные из пяти общедоступных баз данных (IEDB, TBAdb, VDJdb, McPAS-TCR и 10X), сформировав набор из более чем 3 миллионов пар TCR–пептид, из которых 3,27% соответствовали взаимодействиям связывания. Мы предложили epiTCR — метод на основе случайного леса, предназначенный для предсказания взаимодействий TCR–пептид. epiTCR использует в качестве входных данных только последовательности участка CDR3β, определяющего комплементарность, Т-клеточного рецептора, и последовательности антигенов, кодируемые с помощью развернутых представлений BLOSUM62. epiTCR продемонстрировал площадь под кривой 0,98 и более высокую чувствительность (0,94) по сравнению с другими существующими инструментами (NetTCR, Imrex, ATM-TCR и pMTnet), сохраняя при этом сопоставимую специфичность предсказания (0,9). Мы выявили семь эпитопов, на которые приходилось 98,67% ложноположительных результатов, предсказанных epiTCR, и которые оказывали аналогичное влияние на другие инструменты. Мы также продемонстрировали значительное влияние последовательностей пептидов на результаты предсказания, что указывает на необходимость включения более разнообразных пептидов в более сбалансированный набор данных. В заключение, epiTCR относится к числу наиболее эффективных инструментов благодаря использованию объединённых данных из общедоступных источников, а его применение будет способствовать выявлению неоантигенов для прецизионной иммунотерапии рака. epiTCR доступен на GitHub (https://github.com/ddiem-ri-4D/epiTCR).