KI und die schwierigen Probleme der Welt · Lebenswissenschaften · Nature (machine learning) · 2026-10-26
Datensatz und Benchmark für maschinelles Lernen zur genauen Vorhersage der Bindung von T-Zell-Rezeptor und pHLA
Originaltitel: Machine learning dataset and benchmark for accurate T cell receptor–pHLA binding prediction
Die Vorhersage, wie T-Zell-Rezeptoren an Peptid-HLA-Komplexe binden, ist eine zentrale Herausforderung in der Immunologie und im Design von Therapeutika; bestehende Tools sind durch unvollständige Sequenzdaten und verzerrte Beispiele für Nichtbindung eingeschränkt. Die Autoren entwickelten Hi-TPH, einen großen hierarchischen Datensatz mit einer On-the-fly-Methode zur Erzeugung von Nichtbindungsdaten, und feinabgestimmten darauf eine Familie von Protein-Sprachmodellen (Hi-TPH-PLMs). Auf einem externen Nasslabor-Testdatensatz erzielten diese Modelle einen Leistungsgewinn von 19.2% gegenüber den besten aktuellen Tools, und Analysen zeigten, dass der Beitrag von HLA zur Vorhersage vom Vorhandensein vollständiger T-Zell-Rezeptor-Ketten abhängt.