研究人员利用人工智能技术成功攻克免疫学领域的重要挑战，实现了对T细胞识别肽抗原反应机制的精准预测。该研究团队采用专为蛋白质结构预测设计的AlphaFold 3人工智能模型，开发出新型T细胞受体-肽/主要组织相容性复合体相互作用建模方法，显著提升了预测准确性。相关研究成果已在《免疫学前沿》杂志发表。

T细胞在人体免疫系统中承担着双重功能：既能清除肿瘤和受感染细胞，又可能攻击自身组织引发疾病。这种功能平衡的核心在于TCR-pMHC识别过程，该过程直接决定T细胞产生保护性反应或自身免疫反应。目前该领域的预测模型在准确性和应用范围方面仍存在局限。

研究负责人蒋崇明博士表示："受人工智能结构生物学进展的启发，我们尝试评估AlphaFold是否能够预测T细胞对表位的识别机制。研究结果显示，该人工智能模型可有效区分有效表位和无效表位，使可靠的高通量T细胞反应预测成为可能。"

研究团队证实，AlphaFold的计算建模能够通过计算机模拟识别可作为疫苗靶点的免疫原性表位。除预防应用外，该技术还能设计具有更高亲和力和特异性的T细胞，有望提升针对癌症、传染病和自身免疫性疾病的T细胞疗法安全性及有效性。

寺崎研究所首席科学官沈希玲博士补充道："TCR-pMHC相互作用的精准预测模型或将彻底改变免疫疗法和疫苗的研发。这代表着我们朝着利用免疫系统对抗疾病的精准医疗方法迈出了关键一步。"

研究人员指出，虽然该技术在进行广泛临床应用前仍需进一步改进和验证，但现有结果展现了深度学习结构建模作为TCR-pMHC相互作用通用预测途径的发展前景。这项突破性进展凸显了人工智能方法在加速药物发现和免疫疗法设计方面的潜力，为开发更安全有效的治疗方案奠定基础。

更多信息： Cheng-chi Chao 等，基于 AI/ML 的预测 T 细胞介导免疫及其他领域的方法，《免疫学前沿》(2025 年)。期刊信息： 免疫学前沿