enFoldX：将AlphaFold3结构噪声转化为TCR识别信号
研究团队提出了名为enFoldX的新框架，创新性地将AlphaFold3（AF3）的结构预测噪声转化为T细胞受体（TCR）识别的预测信号。该模型在VDJdb人类数据上达到AUC 0.82，小鼠数据上达0.80，并在新抗原预测任务中取得领先，成功解决了传统基于序列的模型难以泛化到新肽段或新TCR的难题。
已确认
核心机制：enFoldX改变了传统的结构预测思路。在对TCRα、TCRβ、MHC和肽段进行AF3预测时，不再只提取单一结构，而是通过10个seed和5个sample生成完整的结构集合。模型直接将这个结构集合作为分类输入，从中提取出106个界面特征，从而更好地捕捉TCR与pMHC相互作用的真实特征。
“幻觉”频率即信号：以CMV epitope NLVPMVATV为例，AF3对真正的结合体和非结合体都会产生幻觉，但这种幻觉出现的频率本身具有信息量。研究发现，AF3在非结合对上表现出更大的结构分歧，10次预测中约有7次出现幻觉。enFoldX正是利用了这种在非结合体上表现出的高频噪声特征，来有效预测T细胞的特异性。
评测结果与扩展性：在VDJdb的十折交叉验证中，enFoldX在人类TCR-split评测上达到AUC 0.82，小鼠上达到0.80，展现出良好的跨物种迁移能力。此外，在单氨基酸差异的新抗原任务以及陌生肽段预测中，该框架均取得了领先结果。作者强调，支撑TCR:pMHC稳健泛化的核心在于结构集合，因此这套框架不仅适用于AF3，理论上也能顺利扩展到RoseTTAFold和Boltz等其他结构预测模型上。
2026-07-22 ~ 2026-07-22 · 11 条相关
一手来源
- enFoldX 用 AlphaFold3 结构噪声预测 TCR 识别 — quaidmorris ·
- enFoldX 从 AF3 ensemble 提取 106 个界面特征 — quaidmorris ·
- AF3 在非 cognate TCR:pMHC 上 10 次里有 7 次幻觉 — quaidmorris ·
- enFoldX 用噪声型 AlphaFold3 ensemble 预测 T 细胞特异性 — quaidmorris · 2026-07-22
- 【源头】AF3 在非 cognate TCR:pMHC 上 10 次里有 7 次幻觉 — quaidmorris · 2026-07-22
- enFoldX 利用 AF3 ensemble 分歧识别非结合对 — quaidmorris · 2026-07-22
- enFoldX 不看单结构，直接用 AF3 ensemble 分类 — quaidmorris · 2026-07-22
- 【源头】enFoldX 从 AF3 ensemble 提取 106 个界面特征 — quaidmorris · 2026-07-22
- enFoldX 在 human VDJdb 上达 AUC 0.82 并可迁移到 mouse — quaidmorris · 2026-07-22
- enFoldX 在 8 个 neoantigen 数据集上拿到领先结果 — quaidmorris · 2026-07-22
- 【源头】enFoldX 用 AlphaFold3 结构噪声预测 TCR 识别 — quaidmorris · 2026-07-22
- 研究发现，结构集成比单一预测更能提升 TCR:pMHC 泛化 — quaidmorris · 2026-07-22
- 结构集合而非单一预测，支撑 TCR:pMHC 泛化 — quaidmorris · 2026-07-22
- 变废为宝：利用 AlphaFold3 噪声预测 T 细胞受体结合 — quaidmorris · 2026-07-22