本文提供了一份全面的基准评估报告，针对 50种先进的计算模型，旨在预测T细胞受体（TCR）与抗原表位之间的结合识别。研究人员利用21个数据集，建立了严谨的评估框架，包括 标准化模型重新训练 和使用独立测试集来确保公正性。评估结果显示，当前模型在预测 未见过的表位 相互作用时泛化能力显著下降，这是限制其实际应用的基本挑战。此外，阴性TCR对照的来源 显著影响了模型的准确性，表明外部阴性样本可能会引入混杂偏差。然而，通过整合 多种生物学特征 和利用更大、更多样化的数据集，模型性能通常会有所改善。最终，这项研究为未来开发更稳健、更具通用性的TCR–表位预测工具指明了方向。

References:

• Lu Y, Wang Y, Xu M, et al. Assessment of computational methods in predicting TCR–epitope binding recognition[J]. Nature Methods, 2025: 1-12.