ImmSET: Neuer Sequenz-basierter Vorhersager für TCR‑pMHC‑Spezifität

T‑Zellen sind das Herzstück des adaptiven Immunsystems und spielen eine entscheidende Rolle bei Infektionen, Autoimmunerkrankungen und Krebs. Ihre Funktion wird durch den T‑Zellrezeptor (TCR) vermittelt, der hochgradig diverse Peptide erkennt, die von den Major‑Histocompatibility‑Complexes (pMHCs) präsentiert werden. Die Vorhersage, welche TCRs welche pMHCs erkennen, ist daher zentral für das Verständnis der Immunantwort und für die Entwicklung personalisierter Therapien.

Die enorme Vielfalt von TCRs und pMHCs macht die genaue Vorhersage dieser Protein‑Protein‑Interaktion bislang sehr schwierig. Um dieses Problem anzugehen, hat ein Forschungsteam die neue Architektur „ImmSET“ (Immune Synapse Encoding Transformer) entwickelt. ImmSET nutzt eine sequentielle, auf Variablenlängen ausgelegte Modellierung, um Interaktionen zwischen Sets biologischer Sequenzen zu erfassen.

Durch umfangreiche Trainings auf Datensätzen unterschiedlicher Größe und Zusammensetzung konnte gezeigt werden, dass ImmSET seine Leistung konsequent mit zunehmender Datenmenge steigert. Im Vergleich zu bestehenden Ansätzen bleibt ImmSET unter strengeren Evaluationsbedingungen robust und übertrifft sogar vortrainierte Protein‑Sprachmodelle wie ESM2, wenn sie auf denselben Datensätzen feinabgestimmt werden.

Ein besonders bemerkenswerter Befund ist, dass ImmSET bei ausreichendem Trainingsmaterial die Genauigkeit von AlphaFold2‑ und AlphaFold3‑basierten Pipelines bei der Vorhersage der TCR‑pMHC‑Spezifität übertrifft. Diese Ergebnisse unterstreichen die Leistungsfähigkeit von ImmSET als skalierbares Tool für die Immunologie und die Entwicklung gezielter Immuntherapien.