蛋白质语言模型能精准预测多态性肽段对NK细胞受体与HLA-I类分子相互作用强度的影响

作者: aeks | 发布时间: 2026-11-22 09:04 | 更新时间: 2026-11-22 09:04

学科分类: 基础医学 计算机科学与技术

蛋白质语言模型能精准预测多态性肽段对NK细胞受体与HLA-I类分子相互作用强度的影响
蛋白质语言模型能精准预测多态性肽段对NK细胞受体与HLA-I类分子相互作用强度的影响

研究背景:自然杀伤细胞(NK细胞)是人体先天免疫的一部分,能在没有此前致敏的情况下杀伤受病毒感染或癌变细胞。NK细胞是否活化,取决于两类受体:激活型受体和抑制型受体。抑制型KIR主要识别健康细胞表面的HLA-I类分子,发送“不要攻击”信号;当细胞感染或癌变、HLA-I减少或肽段改变时,抑制信号减弱,激活型KIR可识别病毒或肿瘤相关肽-HLA复合物,促使NK细胞攻击。

核心难题:KIR家族与HLA-I家族都高度多态,并且HLA-I会结合大量短肽(约8—11个氨基酸),肽段来源包括人体自身蛋白、病毒蛋白和肿瘤蛋白。三者(KIR、HLA、肽段)组合极其庞大,逐一实验检测结合强度成本很高。作者希望仅凭氨基酸序列,就能预测KIR与肽-HLA复合物结合得强不强,从而帮助筛选潜在治疗或疫苗靶标。

方法与模型:作者构建了名为KIRLinguist的机器学习工具。它先把KIR、HLA和肽段分别送入预训练蛋白语言模型(ProtT5,也可用ProtBERT或ESM-2)变成高维数字向量,再将三者平均融合成一个整体复合物向量,最后用多层感知机分类或回归模型预测结合强度。训练数据主要来自已发表实验中的KIR与肽-HLA结合图,并通过脚本提取图形数据。评价指标主要用AUROC:越接近1,模型区分结合/不结合肽的能力越好。模型没有对ProtT5参数进行微调,训练和调参主要在小规模多层感知机网络上完成。

主要结果:
1. 对抑制型KIR与常见肽-HLA复合物的预测表现很好:多数情况下AUROC大于0.8,尤其在KIR2DL1/HLA-C2、KIR3DL1/HLA-B*57:01等配对中接近或超过0.8。
2. 对病毒肽也有可用表现:在HIV-1和丙型肝炎病毒(HCV)数据集上AUROC大于0.7,说明模型能较好识别与KIR结合相关的病毒肽段。
3. 激活型KIR更挑剔,预测难度更高。多数激活型KIR结合谱很窄,模型总体表现不如抑制型KIR;但KIR2DS1/HLA-C2表现相对较好,AUROC约为0.74。
4. 肽段末端位置P8的大小影响很强:对于KIR2DL2和KIR2DL3,若肽段倒数第二位(P8)氨基酸体积过大,结合往往明显下降。模型能在很大程度上学到这种规律;加入AlphaFold2预测结构和Foldseek 3Di结构编码后,预测性能没有显著提升,说明蛋白语言模型可能已隐含与结合功能相关的结构信息。
5. 交叉数据集分析发现,激活型KIR2DS1虽然序列上更接近KIR2DL1,但其结合模式反而更像序列略远的KIR2DL2/3。作者认为关键位置KIR第91位残基会影响P8位肽段残基的结合:KIR2DS1和KIR2DL2/3在该位置较大,而KIR2DL1该位置较小,因此KIR2DL1更能容纳体积较大的P8残基。

局限:模型对抑制型KIR表现最好;对激活型KIR、非典型KIR-HLA配对、KIR不同等位基因之间结合差异仍不足。不同数据集由不同实验方式产生,数据量和肽段覆盖不均;仅靠序列相似性不能完整解释某些结合规则。进一步加入结合位点结构、突变等位基因信息和更精细的生物物理特征,有望提升精度。

意义与应用:该工具可在大量候选肽中快速找出可能增强或减弱NK细胞活化的肽段,帮助理解免疫调节机制,并用于感染、肿瘤及相关疾病的个性化免疫治疗筛选。它还可辅助发现疾病相关配体,例如XPO1相关肽或病毒来源肽,为KIR特异免疫调控和NK细胞疗法提供线索,减少传统分子动力学、对接和打分函数等复杂计算的负担。

DOI: 10.1126/sciadv.aed3077

标签: 人类白细胞抗原I类 杀伤细胞免疫球蛋白样受体 肽段-HLA复合物 自然杀伤细胞 蛋白语言模型