本研究解决了目前t细胞受体(tcr)与抗原性肽结合预测中的一个关键问题,即如何处理新的或少量表示的抗原。提出的dappep框架采用轻量级自注意力架构,通过结合预训练的蛋白质语言模型与自监督学习,显著提升了对抗原结合亲和力的预测能力,尤其是在数据稀缺的情况下,显示出在肿瘤新抗原治疗等临床任务中的潜在影响。
本研究提出dappep框架,结合轻量级自注意力架构与预训练蛋白质语言模型,增强t细胞受体与抗原性肽结合的预测能力,尤其在数据稀缺的情况下,展现出临床应用潜力。
本研究解决了目前t细胞受体(tcr)与抗原性肽结合预测中的一个关键问题,即如何处理新的或少量表示的抗原。提出的dappep框架采用轻量级自注意力架构,通过结合预训练的蛋白质语言模型与自监督学习,显著提升了对抗原结合亲和力的预测能力,尤其是在数据稀缺的情况下,显示出在肿瘤新抗原治疗等临床任务中的潜在影响。
本研究提出dappep框架,结合轻量级自注意力架构与预训练蛋白质语言模型,增强t细胞受体与抗原性肽结合的预测能力,尤其在数据稀缺的情况下,展现出临床应用潜力。