Sci. Adv. | 噬菌体展示技术结合机器学习发现特异性T细胞受体癌症抗原

本文研究了通过噬菌体展示技术和机器学习方法预测靶向NY-ESO-1癌睾抗原的特异性T细胞受体（TCR）。背景方面，现有的天然TCR通常亲和力较低，而改造TCR存在交叉识别和非特异性激活的风险。研究目的是开发一种结合噬菌体展示和机器学习的方法，以发现和预测特异性TCR。作者构建了CDR3β环区多样化的TCR噬菌体展示文库，并通过筛选获得大量特异性TCR序列。利用这些数据训练了MixTCRpred机器学习模型，该模型在预测TCR-表位相互作用方面表现出色。实验验证表明，高分预测的TCR在细胞活化实验中表现良好。结论方面，该方法成功实现了对NY-ESO-1特异性TCR的高效预测，为癌症免疫治疗提供了新思路。