8.2.1 AI在抗原发现与TCR序列预测中的应用

文档摘要

8.2.1 AI在抗原发现与TCR序列预测中的应用在免疫治疗的深水区，我们正经历一场静默却剧烈的范式迁移——从“试错式筛选”走向“计算驱动设计”。抗原发现与TCR序列预测，曾是湿实验主导的黑箱：一个肿瘤样本要经历数月T细胞扩增、单细胞测序、多轮功能验证，最终可能只锚定1–2个有效表位；一条高亲和力TCR的工程化改造，常需耗费数十人月进行突变扫描与酵母展示筛选。而今天，当AlphaFold2以原子级精度折叠跨膜蛋白、当TCR-pMHC复合物的结合自由能差被神经网络压缩至0.3 kcal/mol误差以内，我们不得不承认：AI不是加速器，而是重写免疫识别底层语法的新编译器。本节不谈愿景，不列综述，不堆砌模型名称。