技術要約：構造正則化による解釈可能なTCR-エピトープ予測（TCR-SRIM）

問題定義

T細胞受容体（TCR）とエピトープの結合予測は、適応免疫における極めて重要な課題であり、ワクチン開発や免疫療法設計に不可欠である。MHC結合予測のためのツールは成熟している一方で、TCR-pMHC結合予測は、実験的に解明された構造の不足や既存モデルの限界により、依然として困難な課題となっている。現在のアプローチは、配列ベース（教師なしクラスタリングまたは教師ありディープラーニング）、構造ベース、またはハイブリッドモデルの3つのカテゴリに分類される。しかし、これらのモデルは未知のエピトープに対する汎化性能が低いことが多く、また「ブラックボックス」であるという問題がある。さらに、計算機によって予測された構造（例：AlphaFold3）を使用する場合と、実験的に解明された構造を使用する場合が、モデルの学習および解釈性に与える影響については、まだ明らかになっていない。

既存の解釈可能なモデルは、事後解析（不安定になる可能性がある）に依存しているか、あるいは構造情報を組み込んでいない定義済みの生物学的ルールに依存している。構造的知識を学習のガイドとして統合し、推論時には配列入力のみで動作できる「設計による解釈可能性（interpretable-by-design）」を備えたモデルが必要とされている。

メソドロジー：TCR-SRIM

著者らは、タンパク質言語モデル（PLM）の埋め込みと、少数の構造データによって正則化された解釈可能なコンタクト・プロトタイプを組み合わせたフレームワークであるTCR-SRIM（Structure-Regularized Interpretable Model）を提案している。

1. アーキテクチャの概要

モデルは主に3つのコンポーネントで構成される：

• タンパク質言語モデル（PLM）バックボーン： モデルは、事前学習済みのPLM（ProteinBERT、ESM-1b、ESM-2）を利用して、TCR $\alpha$鎖（$E_a$）、$\beta$鎖（$E_b$）、およびエピトープペプチド（$E_e$）の豊かな埋め込みを生成する。
• 特徴量強化および融合（FEF）： 前身の研究（EGM）に着想を得て、モデルはクロスアテンション機構を用いてTCR鎖とペプチド間の特徴量を融合させる。これにより、特定の鎖とペプチド間の相互作用を捉える、強化された表現（$F_{e}^{a \to b}$、$F_{e}^{b \to a}$など）が生成される。
• コンタクト・プロトタイプ層： 標準的な分類ヘッドの代わりに、モデルは残基レベルの接触を明示的にモデル化するためにプロトタイプベースの層を使用する。
  • 2つの融合された埋め込み（$F_u, F_v$）間のコンタクト距離は、学習可能な温度パラメータ $\tau$ によってスケール調整されたコサイン類似度を通じてモデル化される。
  • コンタクトマップは、類似度スコアにユーザー定義の閾値を適用し、続いてシグモイド関数を適用し、ソフトマックス重み付けによる集計を行うことで生成される。
  • 最終的な予測は、CDR3-ペプチドペア間のコンタクトスコアの最大値であり、これは「一つのTCR鎖が認識を支配することが多い」という経験的な観察を反映している。

2. 構造正則化

主要な革新は、推論時には構造を必要とせずに、学習されたコンタクト・プロトタイプをグラウンドトゥルース（真値）の構造データに整合させる構造正則化プロセスである。

• グラウンドトゥルースの導出： 与えられた一対の構造（例：CDR3とペプチド）に対して、残基間の最小原子間距離を計算することでコンタクトマップを導出する。
• 正規化とマスキング： 距離マップを正規化および反転させて重要度マップを作成する。空間的に近接する残基を特定するために、閾値 $\epsilon$ に基づくバイナリマスクを構築する。
• 損失関数： 予測されたコンタクト・プロトタイプと構造的グラウンドトゥルースとの間の、マスクされた平均二乗誤差損失（$L_r$）を用いてモデルを正則化する。
• 解像度重み付け： 構造の解像度の違いを考慮するため、解像度重み付け損失を適用し、高品質な（解像度の値が低い）構造により高い重みを付与する。
• 学習手順： 学習は、大規模な配列データを用いた標準的な教師あり学習と、構造データセットを用いた正則化ステップの間で交互に行われる。

主な貢献

1. 設計による解釈可能性を備えたフレームワーク： TCR-SRIMは、コンタクト・プロトタイプを通じて解釈可能性をアーキテクチャに直接組み込んでおり、事後的な説明手法を必要としない。
2. 構造正則化学習： モデルは、少数の高解像度構造を用いて、構造的知識を配列ベースのモデルへと効果的に転移させ、未知のエピトープに対する汎化性能を向上させることに成功した。
3. 予測構造と実構造のベンチマーク： 本研究は、生成された構造（AlphaFold3、TCRModel2、tFold-TCR）が、実験的に解明された構造と比較して、モデルの学習にどのような影響を与えるかを系統的に評価している。

実験結果

予測性能

• 未知のエピトープ： 288個の未知のエピトープを含むコンパイルされたデータセットにおいて、TCR-SRIM（ProteinBERT使用）はトップ100 ROC-AUCで0.989を達成し、MixTCRpred（0.906）やTULIP（0.821）といったベースラインをそれぞれ約9%および17%上回った。
• 包括的なベンチマーク： 独立した包括的ベンチマークにおいて、TCR-SRIMは（ProteinBERTバックボーンで）ROC-AUC 0.571、AUPRC 0.587（ESM2-150M）を達成し、PISTEやvibtcrなどの他の主要なモデルを凌駕するか、あるいは並んだ。

解釈可能性（TCR-XAI ベンチマーク）

• 結合領域ヒット率（BRHR）指標を用いると、TCR-SRIMは、ブラックボックスモデルに適用された事後解析手法と比較して、真の結合残基を特定する優れた能力を示した。
• 具体的には、ペプチド $\to$ CDR3bの相互作用において、ProteinBERTを用いたTCR-SRIMはBRHR 1.0に接近し、ベースラインを大幅に上回った。
• コンタクト・プロトタイプの可視化により、モデルが重要な接触領域（例：ペプチドに最も近いCDR3b残基）を正しく特定していること、および、より大きなPLMバックボーン（ESM2-650M）がより高い「解像度」のコンタクトパターンを生成することが確認された。

生成された構造の影響

著者らは、正則化のために予測された構造を使用した場合の影響を評価した：

• 性能： 予測された構造（AlphaFold3、TCRModel2、tFold-TCR）で正則化されたモデルは、実構造を使用したモデル（例：トップ100 ROC-AUCで~0.91–0.94 vs. 実構造での0.953）と比較して、競争力はあるものの、わずかに低い性能となった。
• 解釈可能性： 解釈可能性において顕著な差が見られた。予測された構造で正則化されたモデルは、実構造（>0.80）と比較して、ペプチド-CDR3b相互作用におけるBRHRが大幅に低下した（0.40を下回った）。
• 結合部位の多様性： 予測された構造は、「過度に平滑化された」コンタクトマップをもたらし、結合部位の位置がシフトした（例：真の範囲である8-12ではなく、13-14に集中）。さらに、予測された構造は、実験データに見られる多様なコンフォメーションと比較して、結合部位の多様性が低い（サンプル間の類似度が高い）傾向があった。

意義と主張

本論文は、構造的正則化が、配列ベースのモデルを生物学的に意味のあるコンタクトパターンへと効果的に導き、それによって予測精度と解釈性の両方を向上させることができることを示すことで、TCR-SRIMが重要な進歩を遂げたことを主張している。

決定的なことに、本研究は現在の構造予測モデルにおける限界を浮き彫りにしている。実験データが利用できない場合には、予測された構造が効果的な代替物となり得る一方で、それらはアーティファクト（結合部位の多様性の低下や不正確な相互作用パターンなど）を導入し、TCR-エピトープ相互作用の全容を学習する能力を妨げる。著者らは、TCR-SRIMのような設計による解釈可能性を持つモデルは、予測のためだけでなく、生成された生物学的構造の品質と有用性を評価するための診断ツールとしても価値があると結論付けている。