Сравнение эффективности инструментов предсказания TCR–pMHC выявляет сильную зависимость от данных

Взаимодействие T-клеточных рецепторов с молекулами пептид–главный комплекс гистосовместимости (TCR–pMHC) играет ключевую роль в адаптивных иммунных ответах. В настоящее время разработаны различные модели для предсказания связывания TCR–pMHC, однако стандартный набор данных и процедура сравнения эффективности этих подходов по-прежнему отсутствуют. В данной работе предложен общий метод сбора и предварительной обработки данных, их разделения, а также генерации отрицательных примеров; кроме того, представлены комплексные наборы данных для сравнения моделей предсказания TCR–pMHC. Мы собрали, гармонизировали и объединили все основные общедоступные данные о связывании TCR–pMHC и использовали их для сравнения эффективности пяти современных моделей глубокого обучения: TITAN, NetTCR-2.0, ERGO, DLpTCR и ImRex. Оценка эффективности была сосредоточена на двух сценариях: (1) различных методах разделения данных на обучающую и тестовую выборки для оценки способности моделей к обобщению и (2) различных версиях данных, отличающихся размером и дисбалансом пептидов, для оценки устойчивости моделей. Наши результаты показывают, что пять современных моделей не обобщаются на пептиды, отсутствовавшие в обучающей выборке. Мы также показываем, что эффективность моделей сильно зависит от сбалансированности и размера данных, что указывает на относительно низкую устойчивость моделей. Эти результаты свидетельствуют о том, что предсказание связывания TCR–pMHC остается чрезвычайно сложной задачей и требует дальнейшего накопления высококачественных данных и разработки новых алгоритмических подходов.