上科大劉雪松團隊開發AI模型TcrDesign，實現表位特異性全長TCR的從頭設計和驗證

編輯丨王多魚

排版丨水成文

T細胞受體（TCR）是適應性細胞免疫識別的關鍵分子，負責識別由主要組織相容性復合體（MHC）呈遞的抗原肽。針對特定靶抗原獲得高效、特異性的 TCR，一直是腫瘤免疫治療的核心難題。

傳統實驗篩選方法往往耗時耗力、成本較高，近年來雖然出現了一些 AI 輔助設計工具，但大多聚焦于設計 TCR 的局部區域，且缺乏濕實驗驗證。

2026 年 4 月 28 日，上�？萍即髮W生命科學與技術學院劉雪松課題組（刁凱旋、陳靜為論文共同第一作者）在Science China Life Sciences期刊發表了題為：TcrDesign: de novo design of epitope specific full-length T cell receptors 的研究論文。

該研究在免疫細胞受體蛋白的 AI 設計方向取得重要進展。研究團隊構建了一個能夠從頭生成靶抗原特異性全長 T 細胞受體（TCR）的 AI 模型——TcrDesign，并驗證了 AI 設計 TCR 的靶抗原結合活性與腫瘤細胞殺傷效能，為 TCR 相關免疫療法的設計提供了新工具。

在這項新研究中，研究團隊開發了基于 Transformer 架構的TcrDesign，其由兩個相互配合的模塊組成：TcrDesign-B用于預測 TCR 與肽-MHC 復合物的結合；TcrDesign-G用于生成表位特異性的全長 TCR 序列（aTCR 和 bTCR）。其在大規模未標注 TCR 和表位數據上進行預訓練，從數據中學習免疫識別相關規律。TcrDesign 首次實現了靶抗原特異性全長 TCR 的 AI 從頭設計并濕實驗驗證。

TcrDesign 模型架構

研究團隊利用 TcrDesign 針對腫瘤相關抗原 MART-1- HLA-A*02:01 設計了 9 條 TCR，經實驗驗證，其中 3 條能和靶抗原結合并殺傷靶抗原表達細胞，且 AI 設計的 TCR 和已知的天然 TCR 存在顯著序列差異，提示了 TcrDesign 利用學習到的深層次 TCR-靶抗原結合的規律設計 TCR。

AI 設計的 TCR 的實驗驗證結果

總的來說，該研究開發了一個基于大規模未標記的 TCR 和表位數據集的 AI 模型——TcrDesign，為設計和生成生成表位特異性全長 TCR 提供了一種高效且模塊化的方法，并通過實驗驗證了其有效性。

論文鏈接：

https://www.sciengine.com/SCLS/doi/10.1007/s11427-025-3232-5