大模型赋能肿瘤TCR序列预测：个体化免疫治疗的未来
人工智能学院
实现国民健康长寿是国家富强和民族振兴的重要标志，也是全国人民的共同愿望。乳腺癌作为全球妇女中最常见、发病率最高的癌症，对女性健康构成严重威胁。近年来，免疫治疗尤其是CAR-T细胞疗法（Chimeric Antigen Receptor T-Cell Therapy）因其个体化、持久性和广泛性等优势，是近年来发展非常迅速的一种细胞治疗技术。CAR-T细胞治疗通过基因工程将T细胞受体替换为能够识别肿瘤抗原的嵌合抗原受体，使T细胞能直接杀伤肿瘤细胞。
尽管CAR-T在血液肿瘤治疗中取得显著效果，但在乳腺癌等实体瘤治疗中仍面临挑战，如缺乏特异性抗原、免疫抑制性微环境及潜在毒性和脱靶效应。
为了提升CAR-T治疗乳腺癌的效果，本项目拟采用单细胞RNA测序和T细胞受体（TCR）测序技术，深入探究乳腺癌细胞抗原和TCR序列特征，构建回归模型，旨在有效区分不同类型的乳腺癌，并预测未来患者的状况，对发展乳腺癌免疫治疗方案的研究和应用具有潜在价值。
人工智能在药物发现中展现巨大潜力。本项目创新性地运用表征学习方法，构建回归模型来区分不同类型的乳腺癌特征，并预测患者标签。基于公开数据库和已有的相关研究，本项目拟采用近万例TCR细胞的带标签数据对所构建的模型进行训练和验证。
项目成果旨在为乳腺癌患者和医生提供有效、安全的CAR-T细胞治疗方案参考，有望提高患者生存率和生活质量，降低治疗成本和风险，推动乳腺癌免疫治疗领域的发展。
