- 16 次围观
T细胞受体（TCR）的识别具有MHC限制性，然而，准确预测某一TCR所受限制的HLA等位基因仍是一个悬而未决的问题。我们提出了TRIOPS，这是一种具有软交叉注意力机制的双分支卷积模型，仅基于氨基酸序列即可预测TCR-MHC限制关系。TRIOPS采用基于HLA伪序列相似性的、考虑交叉反应性的负采样策略，以减少等位基因边界处的标签噪声，并将预测扩展到训练中未出现的等位基因。TRIOPS对于配对TCR的留出测试AUC达到0.97；对于仅有TCR输入的情况，AUC达到0.92，并且能够泛化到未见过的受体和HLA等位基因；经过位点特异性校准后，它还能在个体的HLA基因型范围内，将TCR克隆型归属到其最可能的限制性等位基因。 在TCGA肿瘤中，TCR受体库优先识别在HLA-A和HLA-B中表达缺失的等位基因，以及在HLA-C中保留表达的等位基因，从而基于肿瘤整体RNA测序数据重现了此前与免疫逃逸相关的HLA等位基因特异性缺失现象。
TRIOPS：用于预测T细胞受体-MHC结合特异性的深度学习框架 | bioRxiv
跳转至主要内容
首页 关于 提交 提醒 / RSS 搜索该关键词 高级搜索 最新结果
TRIOPS：用于预测T细胞受体-MHC结合特异性的深度学习框架
查看 ORCID 个人资料 Nicholas R Rose ， Cynthia M Ramirez ， 查看 ORCID 个人资料 Lydia Mok ， 查看 ORCID 个人资料 Christopher K Wong ， 查看 ORCID 个人资料 Vanessa D Jonsson
doi： https://doi.org/10.64898/2026.06.30.735718
Nicholas R Rose 加利福尼亚大学圣克鲁兹分校 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 保留所有权利。未经许可不得转载使用。
返回顶部 上一项 下一项
发表于 2026年7月4日。
下载 PDF 电子邮件
感谢您有兴趣帮助传播 bioRxiv。 您的电子邮箱 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或用逗号分隔。
您将要发送以下内容
TRIOPS：用于预测T细胞受体-MHC结合特异性的深度学习框架
邮件主题
（您的姓名）已从 bioRxiv 转发一个页面给您
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的这个页面。
您的个人留言
验证码
此问题用于测试您是否为人工访客，并防止自动垃圾信息提交。
分享
TRIOPS：用于预测T细胞受体-MHC结合特异性的深度学习框架
Nicholas R Rose ， Cynthia M Ramirez ， Lydia Mok ， Christopher K Wong ， Vanessa D Jonsson
bioRxiv 2026.06.30.735718; doi： https://doi.org/10.64898/2026.06.30.735718
分享本文： 复制
引文工具
TRIOPS：用于预测T细胞受体-MHC结合特异性的深度学习框架
Nicholas R Rose ， Cynthia M Ramirez ， Lydia Mok ， Christopher K Wong ， Vanessa D Jonsson
bioRxiv 2026.06.30.735718; doi： https://doi.org/10.64898/2026.06.30.735718
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.30.735718v1?rss=1
🏷️ T细胞受体 MHC限制性 HLA等位基因 深度学习 免疫识别