使用基于BERT的转移学习方法准确预测TCR-pMHC相互作用
Jiawei Zhang1, Wang Ma1, Hui Yao2
1Fresh Wind Biotechnologies Inc. (Tianjin), Tianjin, China.
Briefings in bioinformatics
|December 1, 2023
概括
我们开发了TABR-BERT,这是一种用于预测T细胞受体 (TCR) 和-MHC (pMHC) 结合的深度学习模型. 它提高了准确性,特别是在新的表位上,促进了癌症免疫治疗的发展.
科学领域:
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 准确的T细胞受体 (TCR) - -MHC (pMHC) 结合预测对于开发向癌症免疫疗法至关重要.
- 由于复杂的识别模式和有限的训练数据,当前的方法与新型表征作斗争.
研究的目的:
- 开发一种新的深度学习模型,用于增强TCR-pMHC结合预测.
- 通过解决未见表位的挑战来提高基于TCR的免疫疗法的性能.
主要方法:
- 开发了一个名为TABR-BERT (基于BERT的TCR抗原结合识别) 的深度学习模型.
- 利用BERT的表示学习来捕获来自TCR序列,抗原表位和表位-MHC结合数据的相互作用.
- 在对现有方法进行基准测试时评估模型性能.
主要成果:
- 与现有的算法相比,TABR-BERT在预测TCR-pMHC识别方面表现出卓越的性能.
- 该模型在处理和预测未见表位的结合方面表现特别有效.
- 在基准测试中取得了更好的结果,突出了其预测能力.
结论:
- 塔伯伯特在预测TCR-pMHC相互作用方面取得了重大进展.
- 该模型对未见的表位特征进行概括的能力对基于TCR的癌症治疗方法的未来充满希望.
- 这种方法增强了个性化癌症免疫疗法的发展.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
03:37Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
Published on: March 1, 2024
767
相关概念视频
Cell-mediated Immune Responses
68.4K
Overview
68.4K
Tissue Transplantation
375
Tissue transplantation is a significant medical procedure involving the transfer of cells, tissues, or organs from a donor to a recipient, with the primary aim of restoring lost functions. This procedure is crucial in treating a broad spectrum of diseases, including kidney diseases, liver failure, heart disease, and certain types of cancers.
The Biology of Tissue Transplantation
The biology of tissue transplantation hinges on the Major Histocompatibility Complex (MHC) molecules. These molecules...
The Biology of Tissue Transplantation
The biology of tissue transplantation hinges on the Major Histocompatibility Complex (MHC) molecules. These molecules...
375
