isalgo/vdjdb_structure_models

该数据集为VDJdb记录提供了预测和实验性的结构数据，专注于T细胞受体（TCR）与肽-主要组织相容性复合物（pMHC）的复合物。数据内容包括：预测的TCR:pMHC结构（经规范化和对齐处理）、来自PDB的真实实验结构、氨基酸Ca原子坐标表、TCR与肽之间残基对的接触信息（距离≤5Å），以及TCR CDR3区域和肽残基坐标的2D互补性映射图（SVG格式）。元数据文件整合了VDJdb记录和结构相关指标，如接触数量、TCRmodel2质量度量（如pLDDT、pTm）、结构角度（扫描角和俯仰角），并标识结构是否为实验获取。数据集旨在支持TCR-pMHC相互作用的结构生物学和免疫学研究。This dataset provides predicted and experimental structural data for VDJdb records, focusing on T-cell receptor (TCR) and peptide-major histocompatibility complex (pMHC) complexes. It includes: predicted TCR:pMHC structures (canonicalized and aligned), real experimental structures from PDB, tables of amino acid Ca atom coordinates, contact information for residue pairs between TCR and peptide (distance ≤5Å), and 2D complementarity maps (SVG format) of TCR CDR3 regions and peptide residue coordinates. The metadata file combines VDJdb records with structure-related metrics such as number of contacts, TCRmodel2 quality measures (e.g., pLDDT, pTm), structural angles (scanning and pitch angles), and indicates whether structures are experimentally acquired. The dataset is designed to support structural biology and immunology research on TCR-pMHC interactions.

搜集汇总

数据集介绍

构建方式

本数据集基于VDJdb数据库中的精选TCR记录，利用人工智能建模技术（如TCRmodel2）预测生成了TCR:pMHC复合物的三维结构。所有预测结构均经过标准化处理，包括规范的链命名、定向与空间对齐。构建流程同时整合了来自PDB的真实实验结构作为对照，确保数据集的完整性与可比性。最终以压缩包形式存储了PDB结构文件、氨基酸坐标表、残基接触距离文件以及二维互补性映射图，为免疫组库研究提供结构层面的数据支撑。

使用方法

用户可通过加载`data/`目录下的压缩包文件获取结构数据。PDB文件以`tcr_pmhc_hash`唯一标识符命名，该标识符可用于与VDJdb数据库中的原始记录进行关联。元数据文件`vdjdb_structures_metadata.tsv.gz`整合了结构质量指标与原有记录信息，支持按选取特定结构参数进行筛选和下游分析。建议使用Python的`pandas`库处理元数据表格，并借助生物信息学工具如PyMOL或BioPython对PDB结构进行可视化或计算分析。

背景与挑战

背景概述

T细胞受体（TCR）与肽段-主要组织相容性复合体（pMHC）的相互作用是适应性免疫应答的核心环节，其三维结构的解析对于理解T细胞识别机制及开发免疫疗法至关重要。VDJdb数据库作为收录经实验验证的TCR-抗原配对信息的权威资源，长期以来为免疫信息学提供了宝贵的数据支撑。然而，受限于实验结构生物学的高昂成本与技术瓶颈，大量已知TCR-抗原配对缺乏对应的三维构象信息，这严重制约了免疫识别规律的系统性研究。2024年，由马里兰大学等机构的研究人员联合构建了vdjdb_structure_models数据集，该数据集基于TCRmodel2等AI建模工具，为VDJdb中精选记录生成了大量高置信度的TCR:pMHC三维结构预测，并配套了包括接触图、补体映射图在内的多维结构特征，直接填补了实验结构与序列信息间的鸿沟。该数据集的问世，不仅为结构免疫学提供了可规模化的数据基础设施，更推动了基于结构的TCR特异性预测、抗原交叉识别分析及免疫工程改造等关键研究方向的发展。

当前挑战

该数据集所解决的核心领域挑战在于，实验获取的TCR:pMHC复合体结构数量稀少且分布不均，严重限制了基于结构的免疫识别规律挖掘与TCR工程化设计。具体而言，一方面，现有实验结构主要集中于少数高亲和力或频繁重复的配对，缺乏对TCR识别多样性的系统覆盖，导致基于序列的预测模型难以泛化至新抗原或稀有TCR克隆型。另一方面，AI建模虽能批量生成预测结构，但其可靠性高度依赖于训练数据的质量与多样性，预测结构中CDR环的构象采样、肽段与MHC的相对定位等关键区域仍可能存在系统偏差。此外，数据集的构建面临多重挑战：需从VDJdb海量记录中筛选兼具生物学意义与建模可行性的目标复合体；对预测结构进行统一的规范化处理，包括链名标准化、空间取向校准以及质量指标（如pLDDT、ipTM）的标注；同时整合来源于PDB的实验结构作为对照基准，以评估预测结构的可信度与适用边界。这一系列工作对数据处理的精确性与计算资源的消耗均提出了极高要求。

常用场景

经典使用场景

在免疫信息学与结构生物学交叉领域，vdjdb_structure_models数据集为T细胞受体（TCR）与肽-MHC（pMHC）复合物的空间构象研究提供了至关重要的资源。该数据集的核心价值在于其整合了基于AI预测与实验解析（PDB）的高质量三维结构，并通过标准化处理，如链命名与空间对齐，确保了不同样本间的可比性。研究者可借助这些结构进行TCR-pMHC结合模式的系统性分析，例如识别影响识别特异性的关键残基接触对。

解决学术问题

该数据集有效应对了TCR-pMHC相互作用研究中结构与功能关联解析的瓶颈，尤其是针对配对抗原识别机制的深入探索。通过提供涵盖广泛TCR克隆型与抗原表位组合的原子分辨率模型，它使得研究者能够量化界面间的接触图谱（如CDR3环与肽段的距离≤5Å的残基对），并揭示交叉反应性与免疫优势的分子基础。这不仅深化了对T细胞免疫警报机制的理解，还为预测未知抗原特异性提供了计算建模的基准范例。

实际应用

实际应用中，vdjdb_structure_models数据集助力临床免疫疗法与疫苗设计的理性发展，例如通过模拟肿瘤新抗原或病毒表位与TCR的对接，辅助筛选高亲和力T细胞受体用于工程化T细胞治疗。在自身免疫病与传染病领域，该资源支持基于结构的分子对接工具开发，以预测潜在抗原决定簇并优化T细胞激活策略，从而加速免疫诊断试剂的研发进程。

数据集最近研究

最新研究方向

基于人工智能的TCR-pMHC结构预测与免疫识别机制研究