APEX-pHLA:一种用于准确预测外源短和HLAI类分子之间的结合的新方法
Zhihao Su1, Yejian Wu1, Kaiqiang Cao1
1College of Pharmaceutical Sciences, Zhejiang University of Technology, Hangzhou, Zhejiang 310014, China.
Methods (San Diego, Calif.)
|May 21, 2024
概括
这项研究介绍了APEX-pHLA,这是一种用于预测-人白细胞抗原 (pHLA) 结合的深度学习模型. 该模型有效地识别出免疫原性,推进免疫疗法和疫苗设计.
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:
- 人类白细胞抗原 (HLA) 分子在免疫治疗中至关重要,因为它可以向免疫细胞呈现.
- 预测-HLA (pHLA) 结合对于查免疫性和设计有效疫苗至关重要.
- 对于pHLA结合预测的传统实验方法是低效和耗时的.
研究的目的:
- 开发一个高效的深度学习模型来预测-HLA结合.
- 克服现有方法关于HLA等位基因变异和长度的局限性.
- 为了促进免疫原性的加速查,用于疫苗开发.
主要方法:
- 一个深度神经网络模型APEX-pHLA是通过结合textCNN和BiLSTM架构而开发的.
- 用于特征编码,序列被视为语言实体.
- 该模型有效地编码了HLA和片段的序列特征,没有长度限制.
主要成果:
- 在独立和外部测试组中,APEX-pHLA实现了高性能,精度,ROC_AUC,F1和MCC值分别超过0.94和0.88.
- 该模型与之前报告的15种方法相比,显示出更高的性能.
- 通过各种HLAI类等位基变异和长度,可以准确预测pHLA结合.
结论:
- APEX-pHLA模型提供了一种有效和准确的方法来预测-HLA结合.
- 这种深度学习方法可以显著加快免疫原性的识别.
- 这些发现为基于HLA的疫苗设计和免疫治疗的未来进展提供了宝贵的见解.
