🐾 生物

AlphaFold 3从蛋白质序列寻找免疫匹配

约2分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
AlphaFold 3

根据序列预测蛋白质形状和分子组合的人工智能系统。

MHC

帮助展示免疫目标片段的蛋白质。

AUC

表示模型能否把真正匹配者排在前面的分数。

发生了什么

来自City of Hope的Translational Genomics Research Institute(TGen,研究免疫和基因的研究机构)团队,测试了AlphaFold 3(一种预测蛋白质形状和相互作用的人工智能系统)。他们想知道:只看蛋白质序列,能不能预测某个T细胞受体是否会认出特定抗原。研究结果发表在Science Advances。

这不是让AI直接给出一个简单的对或错。研究人员先用AlphaFold 3预测三种分子如何组成一个复合物,再从预测形状、接触位置和可信度等特征中,判断哪些组合更像真正匹配。

免疫识别为什么难

免疫识别的核心组合有三部分:MHC、肽和T细胞受体(TCR)。MHC像展示架,举起一小段肽。肽可以来自病毒、细菌或肿瘤细胞。TCR位于T细胞上,会检查MHC和肽组成的整体。形状合适时,T细胞就能识别这个目标。

现在,研究人员可以大规模得到TCR序列,但许多序列还没有对应的抗原答案。不同TCR、MHC和肽可以组成非常多的组合,很多抗原也没有实验测出的三维结构。因此,面对模型没有见过的抗原,单靠序列预测特异性,一直很难。

为什么重要

如果序列能帮助研究人员先缩小范围,他们就能更快挑出值得实验的免疫目标。这可能帮助感染性疾病、癌症免疫治疗和疫苗研究。重点不是马上替代实验,而是减少最开始要逐个检查的候选组合。

这项工作还说明,通用的结构预测系统可以处理非常专门的免疫问题。AlphaFold 3不只预测单个蛋白质,还能预测多个分子如何靠在一起,这正好对应三部分组合。

研究确认了什么

团队先用284个已有实验结构的MHC、肽和TCR组合测试AlphaFold 3。预测结果大体重现了三者的形状,也重现了TCR相对肽和MHC的接触位置。

之后,研究人员分析了九千多个TCR、一千多个不同表位,以及七十多个MHC等位基因。表位是被免疫系统识别的具体小片段。他们把真正对应的组合,与随机配成的非对应组合比较。在没有参与相关训练的验证数据上,AUC中位数在MHC I类为0.92,在MHC II类为0.81。AUC是一种排序指标,数值越高,越能把真正匹配的组合排在前面。

测试还包括来自结核分枝杆菌的8种MHC II类抗原。这些抗原没有已知的结构答案。方法仍能比随机猜测更好地区分一部分匹配组合。论文因此认为,序列到特异性的通用预测已经出现了可行的起点。

还不知道什么

这不是一个能找全所有TCR答案的系统。论文指出,如果要在数十亿个可能的肽-MHC目标中大范围搜索,或要求非常高的灵敏度,当前方法并不合适。一个TCR也可能对多个肽有反应,这会让简单的二选一更难。

此外,研究测量的是研究数据上的排序能力,不是病人的诊断结果。它能否跨越更广的免疫多样性稳定工作,还需要更多验证。感染性疾病、癌症和疫苗的应用,目前仍是可能的方向,不是已经完成的医疗服务。

下一步看什么

下一步包括提高多分子结构的预测质量,建立更多经过实验确认的数据,并探索针对TCR特异性的微调。团队还在把AlphaFold 3与图神经网络结合,用数十万条肽相互作用测量,预测MHC II类与肽的结合强度。

真正值得观察的是适用范围:它能否在小到中等的候选集合中稳定筛选,也能否支持更大的免疫细胞库。只有在这些问题得到检验后,医疗研究中的价值才会更清楚。

🐾 生物

AI帮助免疫细胞寻找正确目标

📰 完整报道: AlphaFold 3从蛋白质序列寻找免疫匹配

研究团队用AlphaFold 3预测免疫分子的组合,寻找T细胞能认出的目标。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
AlphaFold 3

根据蛋白质序列预测形状的人工智能工具。

抗原

可能被T细胞识别的目标片段。

T细胞受体(TCR)

帮助T细胞检查目标的蛋白质。

💡 一句话总结

  • AI从蛋白质序列预测三种分子的形状。
  • 研究人员用它筛选T细胞可能认识的抗原。
  • 方法有帮助,但还不能找出全部答案。

研究来自Translational Genomics Research Institute(TGen)。它是研究免疫的机构。团队测试了AlphaFold 3,一种预测蛋白质形状的人工智能工具。

T细胞会检查身体遇到的目标。抗原是病毒、细菌或肿瘤细胞留下的小片段。MHC负责举起这段片段。肽是片段中的短小部分。T细胞受体(TCR)会检查MHC和肽的组合。如果形状合适,T细胞就可能认出抗原。

为什么要用AI?蛋白质序列包含形状信息。AlphaFold 3先预测三种分子怎样靠在一起。研究人员再看它们的接触位置是否合理。这样可以先排出较可能的组合。

团队先用已有实验答案的组合测试方法。后来,他们测试了模型没有见过结构答案的抗原。其中包括来自结核分枝杆菌的8种抗原。在验证数据中,方法比随机猜测更会排序。

但它不适合一次检查数十亿个可能目标。它也不是医院里的诊断工具。下一步要测试更多数据,并改进预测。

🐾 生物

电脑帮身体找小小的病菌提示

📰 完整报道: AlphaFold 3从蛋白质序列寻找免疫匹配

研究人员让电脑猜身体小东西的形状。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
AlphaFold 3

猜蛋白质形状的电脑工具。

抗原

能让T细胞认出的小提示。

MHC

帮助显示小提示的蛋白质。

Translational Genomics Research Institute(TGen)做了这项研究。它是研究身体的地方。

AlphaFold 3是猜蛋白质形状的电脑帮手。

身体里有T细胞。它们像小小的守门员。抗原是病菌留下的小提示。MHC帮助显示小提示。TCR帮T细胞看一看。

三样东西合得上,T细胞就能认出提示。研究人员给电脑看蛋白质的排列。电脑猜三样东西怎样靠在一起。它找到了一些合得上的组合。它比乱猜更好。

但是,它还找不全。提示太多时,电脑会犯难。这还不是医院检查。研究人员会继续让它变好。

来源