TCR-GPT：整合自回归模型与强化学习用于T细胞受体库生成
机器学习
2024-08-05 v1 人工智能
摘要
T细胞受体（TCR）在免疫系统中发挥关键作用，通过识别并结合被感染或癌变细胞呈递的特定抗原。理解TCR的序列模式对于开发靶向免疫疗法和设计有效疫苗至关重要。语言模型，如自回归变换器，为解决这一问题提供了强大方案，通过学习TCR库的概率分布，能够生成继承库底层模式的新TCR序列。我们提出了TCR-GPT，一种基于仅解码器变换器架构的概率模型，旨在揭示并复制TCR库中的序列模式。TCR-GPT在通过皮尔逊相关系数衡量的序列概率分布推断中达到了0.953的准确率。此外，通过利用强化学习（RL），我们调整了TCR序列的分布，以生成能够识别特定肽段的TCR，为推进靶向免疫疗法和疫苗开发提供了巨大潜力。通过RL的高效性，微调后的预训练TCR-GPT模型展示了生成可能结合特定肽段的TCR库的能力，体现了RL在增强模型对生物学相关TCR序列概率分布适应性方面的效率。
引用
@article{arxiv.2408.01156,
title = {TCR-GPT: Integrating Autoregressive Model and Reinforcement Learning for T-Cell Receptor Repertoires Generation},
author = {Yicheng Lin and Dandan Zhang and Yun Liu},
journal= {arXiv preprint arXiv:2408.01156},
year = {2024}
}