资讯>正文

Science子刊:腾讯AI团队开发DeepAIR,准确预测受体和-抗原结合

2023-08-16 05:43:58来源:生物世界


【资料图】

腾讯AI Lab姚建华博士等人在Science子刊Science Advances上发表了题为:DeepAIR: a deep-learning framework for effective integration of sequence and 3D structure to enable adaptive immune receptor analysis 的研究论文。

该研究提出了一种名为DeepAIR的深度学习框架,有效整合了适应性免疫受体(AIR)的序列和三维结构信息,以准确预测AIR与抗原之间的结合。

在这项研究中,研究团队提出了一种名为DeepAIR的深度学习框架,通过整合序列和三维结构信息,以准确预测AIRs与抗原之间的结合。DeepAIR框架采用了专门设计的门控注意力机制和张量融合机制,将序列信息和AlphaFold2预测的AIR结构信息进行有效融合,从而实现AIR-抗原结合预测。

在六个包含T细胞受体(TCR)和B细胞受体(BCR)的基准测试数据集上进行的测试显示,DeepAIR在AIR-抗原结合亲和力,AIR-抗原结合特异性,和免疫组库分类等三个任务上,相对于现有基于序列的方法实现了更好的预测性能。DeepAIR在预测T细胞受体(TCR)结合亲和力方面,和真实亲和力的皮尔逊相关系数达到了0.813,同时在预测T细胞受体(TCR)和B细胞受体(BCR)结合特异性方面的中位AUC分别达到0.904和0.942。

此外,DeepAIR还能通过TCR和BCR免疫组库准确识别鼻咽癌(NPC)和炎症性肠病(IBD)患者。

值得注意的是,DeepAIR框架不仅准确预测了AIR-抗原结合亲和力,还揭示了与抗原表位结合的重要区域。这将有助于更好地理解免疫系统的工作原理,并为免疫疗法开发和疫苗设计提供新的思路。

总的来说,DeepAIR的开发将有助于提高免疫细胞受体与抗原结合预测的准确性,为研究适应性免疫提供有力支持。此外,DeepAIR还可以帮助科学家更好地了解适应性免疫系统,为免疫治疗和疫苗设计提供指导。

免责声明:本文仅代表作者个人观点,与财经月刊无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
如有问题,请联系我们!

相关内容