（特约通讯员陈洁、左月圆摘至融合医学网）

T细胞受体（TCR）是我们免疫系统中的“侦察兵”，它们通过复杂的基因重组和进化筛选，具备了高度的多样性和特异性，能够识别并攻击外来入侵者，如病毒或癌细胞。TCR与抗原肽（Peptide）和主要组织相容性复合物（MHC）形成的复合物（pMHC）之间的相互作用，被称为“免疫突触”，是触发免疫反应的关键。然而，预测这些分子之间的结合过程一直是免疫学中的一大难题，传统实验方法不仅技术要求高，还耗时耗力。

近年来，人工智能（AI）技术的兴起为这一领域带来了新的希望。近日，军事医学研究院任洪广团队与冯健男团队联合清华大学和国防科大等多家单位，成功开发了一种新型深度学习模型——UniPMT。这一模型能够同时预测抗原肽与MHC（P-M）、抗原肽与TCR（P-T）以及pMHC与TCR（P-M-T）之间的结合情况，为揭示免疫系统中这些复杂分子相互作用的“密码”提供了强有力的工具。

UniPMT是一种基于多任务学习和图神经网络的深度学习框架。简单来说，它把抗原肽、MHC和TCR看作是网络中的“节点”，而它们之间的结合关系则是“边”。通过整合大量已知的结合数据，UniPMT能够同时处理多个预测任务，显著提高了预测的准确性。

UniPMT的算法框架

与现有的其他模型相比，UniPMT在P-M、P-T和P-M-T三类结合性预测任务中均表现出了更高的准确率。这意味着，它不仅能够更精准地预测哪些抗原肽会与TCR结合，还能揭示这些结合过程中的关键位点，为未来的免疫疗法（如肿瘤免疫疗法）提供了重要的理论支持。

为了验证UniPMT的预测能力，研究团队还进行了分子动力学模拟实验。他们通过替换抗原肽中的特定氨基酸，观察pMHC与TCR之间结合能的变化。结果显示，UniPMT预测的关键位点确实对结合能有显著影响，而模型预测的结合性得分与实际的结合能呈正相关。

基于分子动力学模拟的新抗原、MHC、

TCR特异性结合预测结果分析

UniPMT的突破不仅在于其预测的准确性，还在于它的多功能性和可解释性。首先，它能够同时处理多个预测任务，这在以往的研究中是前所未有的。其次，UniPMT能够揭示pMHC与TCR结合的关键位点，帮助科学家更好地理解免疫系统中的复杂分子相互作用。这些优势使得UniPMT在免疫学研究和未来的精准医疗中具有广泛的应用前景。

这项研究近日发表于国际期刊Nature Machine Intelligence《自然-机器智能》，不仅展示了AI在生物医学领域的强大潜力，也为未来的免疫疗法和精准医疗提供了新的思路。通过AI技术的赋能，科学家们能够更高效地解析复杂的生物大数据，加速从基础研究到临床应用的转化，为人类健康带来更多福音。

AI正在成为揭示生命奥秘的“钥匙”，随着更多AI技术的应用，我们有望在免疫学、肿瘤治疗等领域取得更多突破。

中国民族卫生协会抗衰老专委会立足民族卫生健康领域，扎根抗衰老暨食品医药大健康等行业产业，接受中国民族卫生协会的领导，重点就抗衰老暨食品医药大健康行业开展信息交流、业务培训、科普宣传、书刊编辑、专业展览、国际合作与交流等。按照协会的部署，专委会将抓好抗衰老暨食品医药大健康行业自律与发展，为建设健康中国做好服务。

Disclaimer: The Internet is a resource-sharing platform, we advocate sharing, the content of the article is intended to popularize science, such as involving the content of the work, pictures, copyright, and other issues, please contact us to delete. This article is for learning and communication only, please do not use it for commercial purposes.

（转自：抗衰老产业联盟）