Предсказание последовательностей TCR для ранее не встречавшихся антигенных эпитопов с использованием структурных и последовательностных признаков

Распознавание антигенов T-клеточными рецепторами (TCR) имеет фундаментальное значение для адаптивного иммунного ответа. Расширение спектра экспериментальных методов привело к формированию обширной базы данных пар TCR–антиген, что создает возможности для разработки вычислительных моделей прогнозирования. Однако точное предсказание аффинности связывания ранее не встречавшихся пар антиген–TCR остается серьезной проблемой. В настоящей работе представлена новая система convolutional self-attention TCR (CATCR), разработанная для повышения точности предсказания взаимодействий эпитопов и TCR. Предлагаемый подход использует сверточные нейронные сети для извлечения признаков пептидов из матриц контактов остатков, сгенерированных с помощью OpenFold, а также трансформер для кодирования последовательностей, представленных в виде сегментов. Мы предлагаем CATCR-D — дискриминатор, оценивающий связывание путем анализа структурных и последовательностных признаков эпитопов и областей CDR3-β. Кроме того, система включает CATCR-G — генеративный модуль для последовательностей CDR3-β, который использует предварительно обученный энкодер для вывода характеристик эпитопа и декодер-трансформер для предсказания соответствующих последовательностей CDR3-β. CATCR-D достиг AUROC 0,89 на ранее не встречавшихся парах эпитоп–TCR и превзошел четыре эталонные модели на 17,4%. CATCR-G продемонстрировал высокие показатели точности, полноты и F1-меры, превышающие 95% при оценке с использованием показателей bidirectional encoder representations from transformers. Полученные результаты показывают, что CATCR является эффективным инструментом для предсказания взаимодействий ранее не встречавшихся эпитопов и TCR. Учет структурной информации существенно углубляет понимание общих закономерностей, регулирующих распознавание TCR–эпитоп. Возможность предсказывать TCR для новых эпитопов на основе структурной и последовательностной информации представляется перспективной, а расширение массива экспериментальных данных о взаимодействиях TCR–эпитоп может дополнительно повысить точность прогнозирования связывания эпитопов и TCR.