Un framework di deep learning per modellare le interazioni TCR-peptide-HLA

Un nuovo framework di deep learning, chiamato StriMap, è stato sviluppato per modellare con precisione le interazioni tra i recettori delle cellule T (TCRs), i peptidi e gli antigeni leucocitari umani (HLAs). Queste interazioni sono fondamentali per l'immunità delle cellule T e la capacità del sistema immunitario di riconoscere gli agenti patogeni. Il modello integra caratteristiche fisico-chimiche, contestuali di sequenza e strutturali delle interfacce di riconoscimento per migliorare la previsione di queste complesse interazioni.

StriMap ha dimostrato prestazioni all'avanguardia con una maggiore generalizzabilità, aprendo nuove possibilità per applicazioni in ambiti come la prioritizzazione dei TCR e dei neoepitopi nel trattamento del cancro, e l'identificazione degli antigeni nelle malattie autoimmuni. In uno studio di caso, i ricercatori hanno esaminato 13 milioni di peptidi da 43.241 proteine batteriche, identificando dei mimetici molecolari che, una volta validati sperimentalmente, hanno attivato le cellule T che esprimono un TCR associato alla spondilite anchilosante.

Uno dei peptidi validati è risultato essere più presente nei pazienti con malattia infiammatoria intestinale (IBD), suggerendo la possibilità di trigger microbici condivisi. Questo framework rappresenta un passo avanti significativo per la progettazione razionale di immunoterapie e per la comprensione dei fattori antigenici che scatenano l'autoimmunità.