Повышение точности предсказания специфичности TCR за счет комбинирования панспецифического и пептид-специфического обучения, масштабирования функции потерь и интеграции сходства последовательностей

Предсказание взаимодействий между пептидами, представленными главным комплексом гистосовместимости (MHC) класса I, и T-клеточными рецепторами (TCR) имеет большое значение для разработки вакцин, лечения рака и терапии аутоиммунных заболеваний. Однако ограниченный объем данных о парных цепях TCR, смещенный в сторону хорошо изученных эпитопов, препятствует разработке панспецифических моделей машинного обучения (ML). Используя более крупный набор данных о пептидах и TCR, мы исследовали различные модификации архитектур ML-моделей и стратегий обучения для устранения дисбаланса данных. Это привело к общему повышению производительности, особенно для пептидов с небольшим количеством данных о TCR. Тем не менее для ранее не встречавшихся пептидов сохраняются проблемы, особенно если они значительно отличаются от примеров, использованных при обучении. Мы показали, что такие ML-модели можно применять для выявления потенциальных выбросов; удаление этих выбросов из обучающей выборки приводит к дальнейшему повышению производительности. Интеграция панспецифических и пептид-специфических моделей с предсказаниями на основе сходства дополнительно повышает общую производительность, особенно когда требуется низкая частота ложноположительных результатов. В рамках бенчмарка IMMREP22 данная модельная система достигла передовых результатов. Кроме того, сочетание этих стратегий обеспечило приемлемую точность предсказаний для пептидов, охарактеризованных всего 15 положительными TCR. Это наблюдение открывает значительные перспективы для быстрого расширения охвата пептидов существующими моделями предсказания специфичности TCR. Модель NetTCR 2.2, включающая эти усовершенствования, доступна на GitHub (https://github.com/mnielLab/NetTCR-2.2) и в виде веб-сервера по адресу https://services.healthtech.dtu.dk/services/NetTCR-2.2/.