IMPRINT解码TCR识别：几何深度学习捕捉pMHC界面免疫指纹

本文信息

• 标题：通过免疫指纹的几何深度学习解码TCR识别
• 作者：Chun Shang, Kevin C. Chan, Ruhong Zhou
• 发表时间：2026年3月16日
• 单位：浙江大学定量生物中心、浙江大学上海高等研究院（中国）；西交利物浦大学生物科学与生物信息学系（中国）等
• 引用格式：Shang, C., Chan, K. C., & Zhou, R. (2026). Decoding TCR recognition via geometric deep learning of immunological fingerprints. Briefings in Bioinformatics, 27(2), bbag048. https://doi.org/10.1093/bib/bbag048

摘要

T细胞受体（TCR）对肽段-主要组织相容性复合体（pMHC）分子的识别，是适应性免疫激活的关键第一步，决定了机体对病原体、肿瘤以及自身抗原的反应方式。尽管TCR–pMHC复合物已积累了相当数量的结构研究，这一识别过程的分子规律仍未被完全厘清，核心困难在于TCR同时表现出高度特异性与广泛交叉反应性。本文提出一个多模态几何深度学习框架，从pMHC界面系统提取并学习几何、理化与空间特征，以捕捉驱动TCR识别的关键免疫线索。应用于精心整理的HLA-A*02–肽段–TCR晶体结构数据集后，模型能够稳健预测TCR结合偏好，并识别界面的免疫指纹特征。借助集成的可解释性分析，作者进一步定位了关键接触残基和相互作用基序，从而为TCR特异性的结构决定因素提供了可解释证据。最后，研究还在HLA-B*27–肽段复合物上测试了模型的泛化能力，揭示了等位基因差异如何通过局部界面特征影响TCR识别。

核心结论

• IMPRINT框架在HLA-A*02数据集上实现0.80的平均判别准确率，显著超过随机预期
• 发现了pMHC界面的“免疫指纹”模式，被同一TCR识别的pMHC共享相似的界面特征
• 通过patch级可解释性分析识别关键接触残基，如1E6 TCR识别中的“GPD”基序
• 零样本推理成功应用于HLA-B*27，揭示了单残基多态性（D116H）对TCR交叉反应性的影响

背景

T细胞受体（TCR）识别pMHC分子是适应性免疫系统最核心的分子事件之一。一个TCR是否能够识别某个肽段，不仅决定T细胞能否被激活，也直接关系到病原体清除、肿瘤免疫监视以及自身耐受能否维持。因此，TCR–pMHC识别规律既是基础免疫学问题，也是TCR工程、肿瘤免疫治疗和疫苗设计中的关键前提。

真正困难的地方在于，TCR识别天然具有“既专一、又宽容”的双重属性。一方面，TCR需要对少量关键界面差异保持敏感，才能区分不同抗原；另一方面，它又必须保留一定交叉反应性，才能在有限受体库条件下覆盖庞大的潜在病原体空间。原文在引言中强调，这种特异性与交叉反应性的并存，使得单靠序列模式或少数局部接触规则，很难完整解释TCR为何会识别某个pMHC而不识别另一个。

另一个现实瓶颈是数据极度不对称。人体内估计存在约$2.5 \times 10^7$个独特TCR克隆型，但目前可用于结构分析的TCR–pMHC复合物仍然只占极小一部分。与TCR repertoire（受体库）的巨大多样性相比，结构数据稀缺、类别分布不均、等位基因覆盖有限，都会限制模型训练与机制归纳。也正因此，作者并没有把问题简单设定为“序列配对预测”，而是转向更接近真实识别界面的结构表面表示。

TCR–pMHC识别的挑战

当前TCR–pMHC识别研究面临以下挑战：

1. 结构数据稀缺：尽管人体内存在约$2.5 \times 10^7$个独特TCR克隆型，但PDB数据库中可直接用于这类任务的TCR–pMHC复合物仍然很少，难以支撑大规模监督学习
2. 传统方法的局限：很多结构分析依赖人工观察、接触统计或定性比较，能够提出解释，但不容易形成统一、可推广的判别模型
3. 界面信息高度多模态：TCR同时感知表面形状、局部曲率、静电环境、疏水性与氢键供受体特征，而非只“看见”某几个残基
4. 可解释性要求高：即使模型做出正确预测，研究者仍然希望知道到底是哪些界面局部patch、哪些肽段位置、哪些局部化学环境在驱动识别

分子表面表示的优势

分子表面提供了一种很适合处理这类问题的中观表示。与只看一级序列或残基接触表不同，表面表示会把蛋白质视为具有连续几何形貌和理化属性的三维对象，从而更直接地对应真实的分子识别界面。原文借鉴了MaSIF一类表面学习思路：先在分子表面定义局部patch，再把曲率、静电、疏水性以及氢键相关特征映射到这些局部patch上，最后交给几何深度网络学习。

从这个角度看，本文真正想回答的，不只是“某个TCR会不会结合”，而是：pMHC表面是否存在可被学习、可被解释、并且能够跨体系迁移的免疫指纹。如果这一点成立，那么结构生物学中的局部表面特征就能被组织成更系统的判别框架，而不再只是零散的结构观察。

关键科学问题

1. pMHC界面是否包含可识别的免疫指纹？被同一TCR识别的pMHC是否共享相似的界面特征模式？
2. 能否通过几何深度学习预测TCR结合偏好？如何从pMHC界面提取和学习多模态特征？
3. 如何解释模型的预测结果？哪些界面区域对TCR识别至关重要？
4. 模型能否泛化到不同HLA等位基因？能否通过零样本推理揭示新的生物学机制？

创新点

• 提出IMPRINT框架：基于分子表面的免疫指纹概念，系统提取pMHC界面的多模态几何和理化特征
• 几何深度学习管道：结合表面三角剖分、径向patch采样和随机局部patch采样，实现端到端学习
• 可解释性分析：通过patch级重要性评分识别关键接触残基和相互作用基序
• 跨等位基因泛化：在HLA-B*27上的零样本推理揭示单残基多态性的功能影响

研究内容

方法学概述

研究构建了IMPRINT（Immunological Fingerprinting）框架，通过表面判别建模分析TCR–pMHC识别。该框架包括四个主要步骤：

1. 数据集准备：从PDB收集HLA-A*02–肽段–TCR复合物结构，涵盖7个TCR类别共40个结构
2. 表面特征化：计算pMHC界面的几何和理化特征，包括形状指数、静电势和疏水性
3. 深度学习建模：训练几何深度网络预测TCR结合偏好
4. 可解释性分析：通过patch级重要性评分解释模型预测

IMPRINT框架的核心思想

核心假设：pMHC界面——肽段周围的子表面——嵌入了指纹状的几何和理化特征模式，这些模式揭示了免疫学信息。被同一TCR识别的pMHC可能共享可以通过高维分析有效捕获的微妙界面特征模式。

图1：基于表面的TCR–pMHC识别判别建模

• 整体概念：图中给出了IMPRINT的整体概念框架，TCR被概念化为通过感知pMHC表面的免疫指纹来扫描潜在结合界面
• 上部：从pMHC界面提取免疫指纹的流程，包括获取pMHC结构、计算分子表面、以肽段邻近区域定义界面，并在界面上插值理化与几何特征
• 下部：随机抽样得到的指纹片段局部patch被共同输入深度网络，用于预测TCR结合偏好，并通过输出与局部patch的相关性定位高重要性区域

数据集构建

HLA-A*02数据集（训练集）

HLA-B*27数据集（测试集）

表面特征化流程

研究采用基于MaSIF框架的表面特征化管道，包含四个主要步骤：

1. 表面三角剖分：将pMHC表面三角化为离散网格
2. 径向patch提取：在每个网格顶点周围提取半径$r = 12$ Å的径向局部patch
3. 特征计算：计算两个几何特征（形状指数、曲率）和三个理化特征（静电势、疏水性、氢键潜力）
4. 上下文映射：将多模态特征映射到重叠表面局部patch的测地极坐标系中

对于每个天然pMHC结构，研究识别了距离任何肽段原子4 Å以内的表面点，并将以这些点为中心的局部patch定义为界面patch（通常有数百个）。

图2：pMHC界面建模的几何深度学习流程

• 图2a：pMHC表面特征化管道的四个主要步骤，包括表面三角剖分、径向patch提取、特征计算和上下文映射
• 图2b：模型架构通过基于采样的随机建模方案支持可解释性预测。对于每个pMHC，从数百个界面patch中随机选择32个局部patch输入几何深度网络。为提高鲁棒性，每个pMHC界面采样100次，最终通过平均或多数投票聚合预测

模型架构与训练策略

集成学习框架

交叉验证策略：All-test迭代验证

研究实施了名为“All-test”的迭代交叉验证策略，这一设计专门针对小规模结构数据集（仅40个晶体结构）的挑战。

核心思想：通过多次迭代训练，确保数据集中的每一个结构最终都会被用作测试集，从而充分利用有限的数据资源进行全面评估。

关键设计考虑

• 随机迭代划分：在50次迭代中，每次从40个结构中随机采样27个作为训练集，剩余13个作为测试集，每次迭代的划分都不同，确保每个结构最终都会在某些迭代中作为测试集
• 无独立验证集：由于部分TCR类别样本极少（如MS1-A3只有2个结构），无法划出独立的验证集，而是通过交叉验证直接进行超参数调优
• 类别平衡约束：每次划分训练/测试集时，确保7个TCR类别都能在两个子集中保持合理分布，避免某些类别在测试集中完全缺失
• 集成学习优势：50个模型的预测结果通过等权重平均或多数投票聚合，显著降低了单一模型因数据划分偶然性而产生的方差。具体而言，对于每个测试结构，收集所有将其作为测试实例的模型的预测向量（每个向量是7个TCR类别的概率分布），然后对这些向量进行算术平均，每个模型的贡献完全平等

主要结果

模型在HLA-A*02上的预测性能

研究在精心策划的HLA-A*02数据集上评估了IMPRINT框架的预测性能。

准确性评估

图3：HLA-A*02结构的预测准确性与置信度交叉验证

• 图3a：各类别样本量分布，每轮约按7∶3划分为27个训练结构和13个测试结构
• 图3b：判别准确率与混淆矩阵分析，给出不同类别之间的平均误判概率
• 图3c：40个复合物各自的判别置信度，定义为对其真实TCR类别的平均预测概率。模型在全部40个复合物上达到0.80的平均判别准确率

与现有方法对比

研究将IMPRINT与三种代表性方法进行了基准比较，包括结构方法TCRen以及两个序列预训练模型TEINet和TEIM-Seq。

因此，原文支持的更稳妥结论是：IMPRINT在相同任务设定下优于两个序列预训练基线，并与TCRen形成互补的结构解释视角。

patch级可解释性分析

为揭示模型判别决策的免疫学机制，研究实现了patch级可解释性分析框架，核心思想是通过量化每个界面patch对TCR判别的贡献度，将抽象的预测转化为可解释的结构生物学洞察。

分析方法：patch级归因分析

具体步骤：

得分解释：判别得分高于平均值的patch表示对TCR判别有更强贡献，这些区域往往对应关键的接触残基或相互作用基序。

1E6 TCR的识别模式

1E6 TCR在七个类别中实现了最高的判别准确率。研究对9个1E6类内结构的分析发现：

• 位置重要性谱：肽段位置4-6的判别得分始终升高
• 保守基序：这些位置与该类别肽段共享的保守“GPD”基序一致
• 结构特征：这些高分区域对应肽段中央的局部凸起，尤其以Pro5为中心最为突出

图4：1E6 TCR结合的 patch 级可解释性分析

• 图4a：9个HLA-A*02–肽段–TCR结构的判别得分谱沿肽段位置分布。参考得分1.0表示所有界面patch的平均贡献
• 图4b：1E6类别肽段序列的序列标识图，突出显示保守的“GPD”基序（肽段位置4-6）
• 图4c：在3UTS结构上映射的归一化判别得分，红色区域表示高重要性局部patch
• 图4d：结构图显示Tyr97α和Trp97β与以Pro5为中心的“GPD”基序形成互补作用

关键接触残基识别

通过patch级归一化判别得分分析，研究识别了以下关键发现：

• 肽段中心区域：位置4-6对TCR识别最关键
• 局部拓扑凸起：该区域由“GPD”基序，尤其是Pro5，形成明显的表面凸起
• 相互作用模式：TCR残基Tyr97α和Trp97β与这一中心区域形成互补相互作用

模型泛化能力：HLA-B*27零样本推理

研究评估了模型跨HLA等位基因的泛化能力，使用HLA-B*27–肽段–TCR复合物作为零样本推理案例。

疾病相关背景

• 疾病关联：HLA-B*27与强直性脊柱炎（AS）等炎症性疾病相关
• 等位基因差异：B*27:05（疾病相关）与B*27:09（非疾病相关）在位置116存在单残基多态性（D116H）
• TCR交叉反应性：AS衍生的TCR AS4.3交叉识别自身肽段 self-GQV 和细菌肽段 bacterial-LRV

零样本推理方法

• 模型重训练：使用全部40个HLA-A*02结构重新训练单个判别模型（200个epoch），用于对4个HLA-B*27–肽段结构进行推理。
• 大规模重复预测：对每个HLA-B*27–肽段结构，模型会通过反复随机采样32个界面patch来生成10 000 次预测。每次预测都输出一个7维概率向量，对应7个TCR类别。
• 相似度定义：某个结构对特定TCR类别的相似度得分，定义为该类别在全部10 000 次预测中的平均预测概率。
• 归因分析：针对目标类别（如类别6），选取相似度最高的前10%预测，再沿用HLA-A*02数据集中的归因流程，计算并归一化patch级重要性得分，并将其映射回pMHC界面进行可视化。

零样本推理结果

图5：模型泛化实现HLA-B*27交叉反应性的可解释性

• 图5a：自身来源GQV肽段（左）与细菌来源LRV肽段（右）分别结合两种功能不同的HLA-B*27等位基因，图中标出了位于MHC结合槽底部、邻近肽段P9的单残基替换D116H
• 图5b：基于用全部40个HLA-A*02复合物重新训练的判别模型，对四个HLA-B*27–肽段界面的相似度推断结果
• 图5c：左侧为相对于类别6的patch级判别得分映射，右侧为对应区域的表面电荷分布，突出P9附近的局部差异
• 图5d：四个HLA-B*27–pMHC结构中残基116与肽段P9之间的残基接触网络，对比显示不同电荷匹配关系

关键发现

机制解释：

• 关键残基：patch级归一化分析识别出MHC残基116是驱动类别6推断的最具影响力因素
• 物理属性：特征分析揭示静电势是该区域最具判别性的属性
• 突变效应：D116H取代显著改变了局部静电环境，从而影响了TCR识别模式

方法学的生物学意义

表面指纹的有效性

研究结果支持pMHC界面包含可识别的免疫指纹模式：

• 模式共享：被同一TCR识别的pMHC共享相似的界面特征
• 高维特征：多模态几何和理化特征能够编码功能相关信息
• 可学习性：几何深度网络能够有效学习这些模式

可解释性的价值

IMPRINT框架的可解释性模块提供了：

• 关键区域识别：精确定位对TCR识别至关重要的界面区域
• 相互作用基序：揭示保守的序列和结构特征
• 机制洞察：理解等位基因多态性如何影响TCR交叉反应性

关键结论与批判性总结

主要发现

本研究通过IMPRINT框架系统揭示了TCR–pMHC识别的分子基础：

1. 免疫指纹的普遍性：pMHC界面确实包含可识别的几何和理化特征模式，被同一TCR识别的pMHC共享这些“免疫指纹”
2. 预测性能的优越性：IMPRINT在HLA-A*02数据集上实现0.80的平均准确率，显著优于现有方法
3. 可解释性进展：patch级分析揭示了关键接触残基和相互作用基序，如1E6 TCR识别中的“GPD”基序
4. 跨等位基因泛化：零样本推理在HLA-B*27上成功揭示了单残基多态性对TCR交叉反应性的机制影响

研究意义

局限性

潜在影响

1. 免疫学机制研究：为理解TCR识别的分子基础提供了新视角和工具
2. 个性化医疗：可帮助预测患者特定TCR对病原体或肿瘤抗原的反应性
3. 疫苗设计：指导优化疫苗抗原以引发所需的T细胞反应
4. 自身免疫病：深化对HLA等位基因多态性与疾病关联机制的理解