[논문 리뷰] AI Developments for T and B Cell Receptor Modeling and Therapeutic Design

Linhui Xie, Aurelien Pelissier외 2명|arXiv (Cornell University)|2026. 01. 23.

vaccines and immunoinformatics approaches인용 수 0

한 줄 요약

이 논문은 단백질 언어 모델(protein language models), 구조 인식 방법, 다중 모달 데이터 등을 이용한 TCR과 BCR 모델링의 인공지능 발전을 고찰하고 면역역학(immunoepidemiology) 및 치료 설계에의 응용을 강조한다.

ABSTRACT

Artificial intelligence (AI) is accelerating progress in modeling T and B cell receptors by enabling predictive and generative frameworks grounded in sequence data and immune context. This chapter surveys recent advances in the use of protein language models, machine learning, and multimodal integration for immune receptor modeling. We highlight emerging strategies to leverage single-cell and repertoire-scale datasets, and optimize immune receptor candidates for therapeutic design. These developments point toward a new generation of data-efficient, generalizable, and clinically relevant models that better capture the diversity and complexity of adaptive immunity.

연구 동기 및 목표

• 면역 수용체 분석에서 데이터 자원과 계산적 도전과제 요약.
• TCR과 BCR에 대한 시퀀스 기반 및 구조 기반 AI 모델과 이들의 면역역학 및 치료 응용 검토.
• 면역 수용체 엔지니어링 및 설계를 위한 새로 대두되는 생성형 AI 접근법 논의.

제안 방법

• 항체와 TCR에 대한 임베딩을 학습하기 위해 대규모 리퍼토리에서 학습된 단백질 언어 모델(PLMs)을 이용해 항체와 TCR에 대한 임베딩을 학습하는 방법을 설명한다.
• 일반 목적 PLMs와 항체- 또는 TCR-전용 PLMs를 비교하고 미세조정(fine-tuning) 및 LoRA 기반 적응에 대해 논의한다.
• 시퀀스와 구조 데이터를 통합하는 구조 인식 및 다중 모달 표현을 설명한다.
• 수용체의 시퀀스 설계를 위한 생성형 AI 접근법(확산/플로우, 자기회귀/MLMs)을 개요한다.
• SARS-CoV-2, HIV, 인플루엔자 관련 예측 우선순위 지정 및 설계를 보여주는 사례 연구를 요약한다.
• 모델 개발을 위한 데이터 자원 및 벤치마킹 필요성 강조.

실험 결과

연구 질문

• RQ1 TCR과 BCR의 AI 모델링을 지원하는 데이터 자원과 벤치마크는 무엇인가?
• RQ2 시퀀스 기반 PLMs와 구조 인식 방법이 결합 예측, 특이성, 개발가능성에 대해 어떤 성능을 보이는가?
• RQ3 면역 수용체 설계를 위한 생성형 모델의 역할과 한계는 무엇인가?
• RQ4 다중 모달 표현(sequence + structure)가 수용체 설계 및 예측을 어떻게 향상시킬 수 있는가?
• RQ5 면역역학 및 치료 발견에서 AI 접근법이 달성한 실용적 성과는 무엇인가?

주요 결과

• 대규모 리퍼토리 데이터와 이용 가능한 구조 덕분에 항체 모델링이 빠르게 발전하여 강건한 언어 모델, 구조 예측기, 설계 파이프라인이 가능해졌다.
• 데이터 및 구조 커버리지가 제한되어 TCR 모델링은 덜 성숙하지만, 다중 모달 및 구조 정보 기반 접근법이 격차를 줄이고 있다.
• 생성형 AI는 항체와 TCR의 제어 가능한 설계를 가능하게 하며, 시퀀스 공간 전략으로 MLMs, 조건부 생성, 흐름 기반 모델, 강화학습 등을 포함한다.
• 하이브리드 표현은 파라토프 위치 지정, 친합성 예측, 개발가능성 평가를 향상시킨다.
• COVID-19 및 기타 병원체 연구는 AI에 의한 선별, 예측 및 우선순위 지정을 통해 실험 검증 및 설계에 가이드를 제공한다.