《Nature Computational Science》于2026年10月26日发表一项机器学习研究，提出用于预测T细胞受体（TCR）与肽—人类白细胞抗原（pHLA）结合关系的Hi-TPH数据集及配套蛋白语言模型Hi-TPH-PLMs。论文原文
研究团队指出，现有工具受到序列数据不完整、阴性样本偏置等问题影响。Hi-TPH采用分层数据组织方式，并通过动态选择方法生成非结合样本；在此基础上，团队训练了不同架构和规模的蛋白语言模型。论文摘要称，这些模型在一个外部湿实验测试集上的表现较现有先进工具提升19.2%，但该数字属于论文报告的特定评测结果，并不等同于临床效果或普遍适用于所有数据集。
研究还分析了不同分子组成对预测的贡献，指出HLA相关信息的预测价值依赖完整的TCR链，说明仅使用局部序列可能无法充分描述结合关系。研究团队已公开Hi-TPH数据集、代码和基准，供免疫信息学与个体化免疫治疗研究使用。
这项工作的价值主要在于把数据构造、负样本选择和模型评测放在同一框架中，回应了生物医学机器学习中“数据偏差可能决定模型上限”的问题。后续仍需关注数据集覆盖范围、不同实验条件下的复现结果，以及模型预测能否稳定转化为实验筛选效率；目前不能据此推断其已经改变疫苗设计或细胞治疗流程。
参考来源：
- Machine learning dataset and benchmark for accurate T cell receptor–pHLA binding prediction 2026-10-26
由 AI 整理，仅供参考；请以原始来源为准。
