simAIRR:模拟适应性免疫谱的模拟,具有现实的受体序列共享,用于对免疫状态预测方法的基准测试

科学领域:

• 免疫信息学是指免疫信息学.
• 计算生物学 计算生物学
• 机器学习 机器学习

背景情况:

• 机器学习 (ML) 对于在自适应性免疫受体谱 (AIRRs) 中对免疫状态进行分类至关重要.
• 对AIRR-ML方法的严格基准测试依赖于模拟数据.
• 目前的合成 AIRR 数据集往往缺乏在抗原经验的资料中发现的现实共享受体序列.

研究的目的:

• 为了解决现有的合成AIRR数据集中的偏差.
• 开发一个模拟策略,产生具有现实的受体序列重叠的抗原经验类的剧目.
• 为了能够对AIRR-ML方法进行可靠的基准测试.

主要方法:

• 设计的simAIRR,用于生成AIRR级别基准数据集的模拟策略.
• 构建了与现实的受体序列重叠的抗原体验样作品集.
• 通过比较模拟与现实世界AIRR数据集上的ML性能来验证simAIRR.

主要成果:

• 常见的AIRR模拟方法可以引入ML方法可以利用的偏差.
• simAIRR生成具有现实的受体重叠的合成AIRR数据集,减轻了快捷方式学习.
• 机器学习策略在simAIRR生成的和真实世界的AIRR数据集上表现类似,展示了现实主义.

结论:

• 该研究强调了当前AIRR模拟方法中的捷径学习风险.
• simAIRR为生成AIRR基准数据集提供了一个现实的方法.
• simAIRR可以作为一个开源的Python包.