机器学习和实验生物学的最新进展为长期以来被认为难以解决的蛋白质结构预测等问题提供了突破性的解决方案。然而，尽管T细胞受体（TCR）在协调健康和疾病中的细胞免疫中发挥着关键作用，但从TCR到其同源抗原的可靠图谱的计算重建仍然是系统免疫学的圣杯。目前的数据集仅限于可能的TCR-配体对的一小部分，当应用于这些已知的粘合剂之外时，最先进的预测模型的性能会下降。在这篇透视文章中，我们提出了重新协调跨学科努力的理由，以解决预测TCR-抗原特异性的问题。我们阐述了抗原结合预测模型的一般要求，强调了关键挑战，并讨论了单细胞技术和机器学习等数字生物学的最新进展如何提供可能的解决方案。最后，我们描述了预测TCR特异性如何有助于我们理解抗原免疫原性这一更广泛的难题。

T细胞通常通过在其表面表达的高度多样化的异二聚体T细胞受体（TCRs）来识别MHC蛋白家族成员上呈递的抗原。这些抗原通常是八个或更多残基的短肽片段，其呈递在很大程度上由MHC等位基因的结构偏好决定。脂质、代谢产物和低聚糖T细胞抗原也有报道。TCR通常通过其六个互补决定环（CDR）中的一个或多个与抗原-MHC复合物结合，其中三个由TCR二聚体的每条链贡献。

具体详情，请点击链接：https://www.nature.com/articles/s41577-023-00835-3