面向表位漂移的可校准躲避策略用于可靠的TCR--pMHC结合预测
图形学
2026-04-16 v1
摘要
预测T细胞受体（TCR）--肽-MHC（pMHC）结合是疫苗设计和T细胞治疗的核心任务，但部署模型常在训练期未出现的表位上产生静默的过度自信，从而导致不可靠的优先级排序。我们通过将TCR--pMHC预测建模为“选择性预测”问题来解决此问题：应校准的模型应输出可信赖的置信度得分或显式躲避。具体而言，我们（1）引入双编码器架构，通过预训练的蛋白质语言模型对CDR3α/CDR3β和肽序列进行编码；（2）应用温度缩放来纠正系统性概率校准不足；（3）施加保守躲避规则，提供用户指定目标错误率的有限样本覆盖保证。在三种划分策略——随机、表位留置以及距离感知——下评估，我们的方法在具有挑战性的表位留置协议下实现了AUROC 0.813和ECE 0.043，使ECE相对未校准基线降低69.7%。在80%覆盖率下，选择性模型进一步将错误率从18.7%降低到10.9%，表明校准躲避使覆盖-风险权衡得以实现，符合实际筛选预算。
引用
@article{arxiv.2604.13254,
title = {Calibrated Abstention for Reliable TCR--pMHC Binding Prediction under Epitope Shift},
author = {Arman Bekov and Timur Bekzhanov and Bekzat Sadykov},
journal= {arXiv preprint arXiv:2604.13254},
year = {2026}
}