加强结核病疫苗的研发:一种解卷神经网络方法,用于多表位预测
Auwalu Saleh Mubarak1,2, Zubaida Said Ameen1,3, Abdurrahman Shuaibu Hassan4
1Operational Research Centre in Healthcare, Near East University, TRNC Mersin 10, Nicosia, 99138, Turkey.
Scientific reports
|May 6, 2024
概括
这项研究引入了一种新的深度学习模型,用于设计针对结核病 (TB) 的多管疫苗 (MEV). 这种以人工智能为驱动的方法迅速产生了一种具有非常精确和有效的候选疫苗,具有有前途的免疫特性.
科学领域:
- 疫苗学 疫苗学 疫苗学
- 计算生物学 计算生物学
- 免疫信息学是指免疫信息学.
背景情况:
- 由Mycobacterium tuberculosis (Mtb) 引起的结核病 (TB) 仍然是全球卫生威胁.
- 目前的Bacillus Calmette-Guérin (BCG) 疫苗对结核病提供有限且不一致的保护.
- 开发新型和有效的结核病疫苗至关重要.
研究的目的:
- 开发一种新的深度学习框架,用于预测和设计针对Mtb的多管疫苗 (MtbMEV) 子单位.
- 用计算方法评估设计的MtbMEV的有效性和性能.
- 为未来的实验验证和临床试验建立一个潜在的候选疫苗.
主要方法:
- 采用了结合脱卷神经网络 (DCNN) 和双向长短期记忆 (DCNN-BiLSTM) 的深度学习框架.
- 该模型预测了MtbMEV子单元对抗6种Mtb H37Rv蛋白.
- 在体分析包括抗原性,物理化学性质,BLAST搜索,结构分析,与TLR3/TLR4的分子对接,免疫反应模拟和E. coli的体克隆.
主要成果:
- 该DCNN-BiLSTM模型设计了一个MtbMEV,在几分钟内准确率为99.5%,优于其他机器学习模型.
- 设计的MEV表现出良好的抗原性,热稳定性,溶解性和水性性,没有预测的自身免疫反应.
- 分子对接表明与TLR3和TLR4受体强烈结合,表明强大的免疫刺激,在克隆证实高表达在大肠杆菌.
结论:
- 新的DCNN-BiLSTM深度学习框架成功设计了一个有希望的MtbMEV候选者,具有理想的免疫学和生理化学特性.
- 计算预测表明,疫苗可以引起先天性和适应性免疫反应.
- 这些发现需要进一步进行实验验证,以确定MtbMEV作为临床试验的潜在疫苗.
