上科大刘雪松团队开发AI模型TcrDesign，实现表位特异性全长TCR的从头设计和验证

编辑丨王多鱼

排版丨水成文

T细胞受体（TCR）是适应性细胞免疫识别的关键分子，负责识别由主要组织相容性复合体（MHC）呈递的抗原肽。针对特定靶抗原获得高效、特异性的 TCR，一直是肿瘤免疫治疗的核心难题。

传统实验筛选方法往往耗时耗力、成本较高，近年来虽然出现了一些 AI 辅助设计工具，但大多聚焦于设计 TCR 的局部区域，且缺乏湿实验验证。

2026 年 4 月 28 日，上海科技大学生命科学与技术学院刘雪松课题组（刁凯旋、陈静为论文共同第一作者）在Science China Life Sciences期刊发表了题为：TcrDesign: de novo design of epitope specific full-length T cell receptors 的研究论文。

该研究在免疫细胞受体蛋白的 AI 设计方向取得重要进展。研究团队构建了一个能够从头生成靶抗原特异性全长 T 细胞受体（TCR）的 AI 模型——TcrDesign，并验证了 AI 设计 TCR 的靶抗原结合活性与肿瘤细胞杀伤效能，为 TCR 相关免疫疗法的设计提供了新工具。

在这项新研究中，研究团队开发了基于 Transformer 架构的TcrDesign，其由两个相互配合的模块组成：TcrDesign-B用于预测 TCR 与肽-MHC 复合物的结合；TcrDesign-G用于生成表位特异性的全长 TCR 序列（aTCR 和 bTCR）。其在大规模未标注 TCR 和表位数据上进行预训练，从数据中学习免疫识别相关规律。TcrDesign 首次实现了靶抗原特异性全长 TCR 的 AI 从头设计并湿实验验证。

TcrDesign 模型架构

研究团队利用 TcrDesign 针对肿瘤相关抗原 MART-1- HLA-A*02:01 设计了 9 条 TCR，经实验验证，其中 3 条能和靶抗原结合并杀伤靶抗原表达细胞，且 AI 设计的 TCR 和已知的天然 TCR 存在显著序列差异，提示了 TcrDesign 利用学习到的深层次 TCR-靶抗原结合的规律设计 TCR。

AI 设计的 TCR 的实验验证结果

总的来说，该研究开发了一个基于大规模未标记的 TCR 和表位数据集的 AI 模型——TcrDesign，为设计和生成生成表位特异性全长 TCR 提供了一种高效且模块化的方法，并通过实验验证了其有效性。

论文链接：

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