W Nature Biotechnology opublikowano metodę profilowania rozpoznawania peptydów PRP (peptide recognition profiling), która łączy wysokoprzepustową prezentację peptydów na powierzchni drożdży (yeast display) z dostrojonymi białkowymi modelami językowymi (protein language models, pLM) i pozwala scharakteryzować specyficzność pojedynczego receptora limfocytów T (T-cell receptor, TCR) wobec milionów peptydów.
Autorzy zastosowali tę technikę do panelu receptorów limfocytów T restrykcjonowanych przez allel HLA-B*27:05, izolowanych od osób z zesztywniającym zapaleniem stawów kręgosłupa (ankylosing spondylitis, AS) i ostrym zapaleniem przedniego odcinka błony naczyniowej oka (acute anterior uveitis, AAU); w badanym panelu rozpoznawanie peptydów odbywało się niemal wyłącznie poprzez region CDR3β.
Modele pLM dostrojone na profilach PRP osiągnęły w zadaniu predykcji aktywacji limfocytów T wyższą skuteczność niż AlphaFold3 i tFold-TCR. Moc predykcyjna metody pozwoliła zidentyfikować nowych kandydatów na autoantygeny, w tym peptyd pochodzący z białka PSG5 (pregnancy-specific glycoprotein 5), którego rozpoznawanie potwierdzono następnie eksperymentalnie w limfocytach pacjentów. Wyniki dostarczają nowych narzędzi do badania mechanizmów chorób autoimmunizacyjnych powiązanych z konkretnymi allelami HLA.
Źródła:
Wang N. i wsp., Deep peptide recognition profiling decodes TCR specificity and enables disease-associated antigen discovery, Nature Biotechnology, 2026. https://doi.org/10.1038/s41587-026-03128-x