抗癌免疫反应依赖于T细胞受体(TCR)和抗原之间的结合,从而引发适应性免疫以消除肿瘤细胞。 免疫系统对新型新抗原作出反应的能力源于TCR存储库的巨大多样性。 然而,TCR多样性对准确预测抗原-TCR结合提出了重大挑战。 在这项研究中,我们引入了一种轻量级的遮蔽语言模型,称为tcrLM,以应对这一挑战。 我们的方法涉及随机掩码段TCR序列和训练tcrLM来推断掩模片段,从而能够从TCR序列中提取表达特征。 为了进一步提高鲁棒性,我们将虚拟对抗训练纳入tcrLM。 我们构建了最大的TCR CDR3序列集,拥有超过1亿个不同序列,并在这些序列上预训练tcrLM。 随后,预训练编码器用于预测TCR抗原结合特异性。 我们评估三个测试数据集上的模型性能:独立、外部和 COVID-19 测试集。 结果表明,tcrLM不仅超越了现有的TCR抗原结合预测方法,而且还优于其他主流蛋白质语言模型。 更有趣的是,tcrLM有效地捕获了TCR序列中氨基酸的生化特性和位置偏好。 此外,预测的TCR-新抗原结合评分表明黑色素瘤队列中的免疫治疗反应和临床结果。 这些发现证明了tcrLM在预测TCR抗原结合特异性方面的潜力,对推进免疫治疗和个性化医学具有重要意义。