На конференции SITC Computational Immuno-oncology представлена инновационная модель искусственного интеллекта LoFT-TCR (Low-rank adaptation Fine-Tuning for TCR), предназначенная для предсказания связывания T-клеточных рецепторов (TCR) с антигенами. Разработка направлена на преодоление ограничений существующих экспериментальных методов, которые остаются трудоемкими и ограничены доступными реагентами.

T-клетки распознают и элиминируют пораженные клетки через связывание их TCR с короткими эндогенными пептидами (антигенами), презентированными на клеточной поверхности. Эти взаимодействия являются центральными для адаптивного иммунитета.

LoFT-TCR использует framework тонкой настройки на основе низкоранговой адаптации (LoRA) для предсказания связывания TCR-антиген. Методология включает:

• Тонкую настройку белковой языковой модели ESM-2 на антиген-специфичных TCR датасетах с использованием LoRA
• Построение гетерогенного графа взаимодействий, где узлы кодируют особенности последовательностей, а ребра указывают на взаимосвязи
• Интеграцию информации о последовательностях и топологии через framework графового обучения

Систематические эксперименты подтвердили, что тонкая настройка ESM-2 значительно улучшила способность модели извлекать дискриминативные представления последовательностей, критически важные для точного предсказания TCR специфичности.

LoFT-TCR продемонстрировала превосходную производительность по сравнению с современными методами как в задачах предсказания связывания TCR-антиген, так и в дискриминации TCR специфичности. Экспериментальные результаты показывают существенные улучшения в точности предсказаний.

Модель обладает потенциалом для продвижения персонализированной T-клеточной иммунотерапии, что может революционизировать подходы к лечению онкологических заболеваний через более точное предсказание иммунных взаимодействий.