Hi-TPH数据集与基准发布，提升TCR–pHLA结合预测

研究团队在 Nature Computational Science 发布大规模分层数据集 Hi-TPH，用于预测 T 细胞受体与肽–人类白细胞抗原（pHLA）复合物的结合。该数据集采用动态选取方法生成非结合数据，以应对现有机器学习工具序列数据不完整、非结合样本存在偏差的问题。 团队在 Hi-TPH 上微调了不同架构和规模的蛋白质语言模型集合 Hi-TPH-PLMs。据论文，这些模型在外部湿实验测试集上相比当前最优工具性能提升 19.2%。借助 Hi-TPH 的分层结构，分析还拆解了不同分子组分对结合预测的贡献及协同作用，例如 HLA 的预测贡献依赖于完整 T 细胞受体链的存在。 Hi-TPH 与 Hi-TPH-PLMs 已公开，供免疫信息学研究和个性化免疫治疗工具开发使用。上述 19.2% 的提升为论文报告的外部湿实验测试结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。