近日，国际顶级人工智能学术期刊Nature Machine Intelligence (Journal Impact Factor: 23.9)在线发表了南京理工大学计算机科学与工程学院於东军教授课题组关于CD4+T细胞免疫原性表位智能预测方面的最新研究成果的学术论文：《Self-iterative multiple instance learning enables the prediction ofCD4+T cell immunogenic epitopes》。
在该论文中，课题组提出了一种名为ImmuScope的深度学习框架。该框架创新性地采用弱监督学习策略，融合了MHC-II抗原呈递预测、表位识别与免疫原性评估三大关键任务。通过引入自迭代多实例学习机制与正锚点三元组损失函数，ImmuScope能够高效利用高置信度的单等位基因肽组学数据与大规模弱标注的多等位基因肽组学数据，显著提升了CD4+ T细胞免疫原性表位预测的准确性与可解释性。该方法已成功应用于黑色素瘤新抗原识别以及新冠病毒突变导致的免疫逃逸机制分析，展示了其在疫苗设计和个性化免疫治疗中的广阔应用前景。
论文链接：https://www.nature.com/articles/s42256-025-01073-z
作者信息：
南京理工大学计算机科学与工程学院博士生申龙晨为论文第一作者，於东军教授与澳大利亚蒙纳士大学(Monash University)宋江宁(Jiangning Song)教授为共同通讯作者。南京理工大学为第一单位。
研究资助：
本研究得到了国家自然科学基金(62372234，62072243)、江苏省研究生科研与实践创新计划(KYCX23_0490)的资助；同时也得到了澳大利亚国家健康与医学研究理事会(APP1127948, APP1144652, APP2036864)和蒙纳士大学重大及种子类跨学科研究项目的支持。
