TITAN：基于双模态注意力网络的 T 细胞受体特异性预测
生物大分子
2023-08-28 v1 机器学习
摘要
动机：适应性免疫系统的活动由 T 细胞及其特异性 T 细胞受体（TCR）调控，后者选择性识别外来抗原。实验技术的最新进展使得 TCR 及其抗原靶标（表位）的测序成为可能，从而得以研究 TCR 序列与表位结合特异性之间缺失的环节。数据稀缺与庞大的序列空间使该任务颇具挑战，迄今仅有局限于小规模表位集合的模型取得了良好性能。在此，我们建立了一个 k-近邻（K-NN）分类器作为强基线，随后提出 TITAN（Tcr epITope bimodal Attention Networks），一种显式编码 TCR 序列与表位的双模态神经网络，以支持对 unseen TCR 及/或表位泛化能力的独立研究。结果：通过在原子层面以 SMILES 序列编码表位，我们利用迁移学习与数据增强来丰富输入数据空间并提升性能。TITAN 在预测 unseen TCR 特异性方面取得高性能（10 折交叉验证下 ROC-AUC 0.87），并大幅超越当前最优结果（ImRex）。值得注意的是，我们基于 Levenshtein 距离的 K-NN 分类器在 unseen TCR 上也展现出竞争性能。尽管向 unseen 表位的泛化仍具挑战，我们报告了两处重大突破。第一，通过剖析注意力热图，我们证明可用表位数据的稀疏性倾向于将表位隐式当作类别处理。这可能是限制复杂模型 unseen 表位性能的普遍问题。第二，我们展示 TITAN 在 unseen 表位上仍表现出显著改善的性能，并能够聚焦于具有化学意义的分子结构。
引用
@article{arxiv.2105.03323,
title = {TITAN: T Cell Receptor Specificity Prediction with Bimodal Attention Networks},
author = {Anna Weber and Jannis Born and María Rodríguez Martínez},
journal= {arXiv preprint arXiv:2105.03323},
year = {2023}
}
备注
9 pages, 5 figures, to be published in ISMB 2021 conference proceedings