- 2 次围观
研究动机 以 AlphaFold3 为代表的生物分子结构预测技术的最新进展，为预测 T 细胞受体与肽–主要组织相容性复合物（TCR-pMHC）的结合特异性带来了新的机遇。尽管 AlphaFold3 的各项置信度指标能够提供有价值的结合信号，但其预测性能在不同数据集之间存在差异，这凸显了整合互补信号而非依赖单一指标的必要性。结果 我们提出了 TAPAS，这是一种表格数据学习框架，将 AlphaFold3 衍生的界面置信度和结构几何特征与序列嵌入相结合。尽管没有任何单一零样本指标在所有基准测试中均表现最优，但 TAPAS 在 VDJdb 和两个外部基准测试中始终排名第一，其表现达到或超过了最优的 AlphaFold3 零样本指标。特征组消融实验表明，序列、置信度和几何特征的贡献因评估设置而异，而整合这些特征可获得最佳的总体性能。这些结果凸显了在统一框架内整合互补的结构与序列特征对于实现稳健的 TCR-pMHC 结合预测的价值。
TAPAS：通过学习整合 AlphaFold3 置信度与几何特征，用于 TCR-pMHC 结合预测 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
TAPAS：通过学习整合 AlphaFold3 置信度与几何特征，用于 TCR-pMHC 结合预测
Ha Young
Kim
，
Hyui Jeong
Han
，
Dongsup
Kim
doi：
https://doi.org/10.64898/2026.09.08.749548
Ha Young Kim
韩国科学技术院
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Hyui Jeong Han
韩国科学技术院
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Dongsup Kim
韩国科学技术院
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
通信联系：
kds{at}kaist.ac.kr
摘要
信息/历史
指标
补充材料
预览 PDF
摘要
研究动机
以 AlphaFold3 为代表的生物分子结构预测领域的近期进展，为预测 TCR-pMHC 结合特异性提供了新的机遇。尽管单个 AlphaFold3 置信度指标能够提供有价值的结合信号，但其预测性能在不同数据集之间存在差异，这凸显了整合互补信号而非依赖任一单一指标的必要性。
结果
我们提出了 TAPAS，这是一种表格数据学习框架，将源自 AlphaFold3 的界面置信度和结构几何特征与序列嵌入相整合。尽管没有任何单一零样本指标在所有基准测试中均表现最优，TAPAS 在 VDJdb 和两个外部基准测试中始终排名第一，其性能达到或超过了最强的零样本
AlphaFold3 指标。特征组消融实验表明，序列特征、置信度特征和几何特征的贡献在不同评估设置下有所差异，而将三者结合能够获得最佳的总体性能。这些结果凸显了在统一框架中整合互补的结构特征与序列特征对于实现稳健的 TCR-pMHC 结合预测的重要价值。
利益冲突声明
作者声明不存在利益冲突。
基金资助信息声明
韩国国家研究基金会，
，RS-2026-25474359，RS-2025-00523107
版权
本预印本的版权所有者为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。
该预印本依据
CC-BY 4.0 国际许可协议
提供。
返回顶部
上一篇
下一篇
发布于 2026 年 9 月 9 日。
下载 PDF
补充材料
电子邮件
感谢您有兴趣传播 bioRxiv 上的内容。
注意：我们要求提供您的电子邮件地址，仅用于确认您是该文章的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每行一个或以逗号分隔。
您将要发送的内容如下：
TAPAS：学习整合 AlphaFold3 置信度特征与几何特征以预测 TCR-pMHC 结合
消息主题
（您的姓名）已从 bioRxiv 网站向您转发了一个页面
消息正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访问者，并防止自动化垃圾信息提交。
分享
TAPAS：学习整合 AlphaFold3 置信度特征与几何特征以预测 TCR-pMHC 结合
Ha Young
Kim
，
Hyui Jeong
Han
，
Dongsup
Kim
bioRxiv
2026.09.08.749548；
doi：
https://doi.org/10.64898/2026.09.08.749548
分享本文：
复制
引用工具
TAPAS：通过学习整合 AlphaFold3 置信度与几何特征以预测 TCR-pMHC 结合
Ha Young
Kim
，
Hyui Jeong
Han
，
Dongsup
Kim
bioRxiv
2026.09.08.749548；
doi：
https://doi.org/10.64898/2026.09.08.749548
文献管理器格式
BibTeX
Bookends
EasyBib
EndNote（带标签格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks 标签格式
Ref Manager
RIS
Zotero
推文小组件
Facebook 点赞
Google Plus One
学科领域
所有文章
动物行为与认知
(7976)
生物化学
(18659)
生物工程
(14781)
生物信息学
(44204)
生物物理学
(22485)
肿瘤生物学
(19610)
细胞生物学
(26768)
临床试验
(138)
发育生物学
(13907)
生态学
(20900)
流行病学
(2067)
进化生物学
(25338)
遗传学
(16108)
基因组学
(23414)
免疫学
(18625)
微生物学
(42291)
分子生物学
(17960)
神经科学
(93003)
古生物学
(694)
病理学
(2973)
药理学与毒理学
(5069)
生理学
(8076)
植物生物学
(15917)
科学传播与教育
(2093)
合成生物学
(4538)
系统生物学
(10192)
动物学
(2376)
关键词：TCR-pMHC结合预测 · AlphaFold3 · 多特征融合 · 界面置信度 · 结构几何特征 · 序列嵌入
原文链接：https://www.biorxiv.org/content/10.64898/2026.09.08.749548v1?rss=1