NeoaPred:一个基于人白细胞抗原复合物的表面和结构特征预测免疫新抗原的深度学习框架
Dawei Jiang1, Binbin Xi1, Wenchong Tan1
1School of Biology and Biological Engineering, South China University of Technology, Guangzhou 510006, China.
Bioinformatics (Oxford, England)
|September 14, 2024
概括
深度学习框架NeoaPred通过使用-HLA复杂结构准确预测免疫新抗原来改善癌症免疫疗法. 这种方法增强了抗瘤免疫反应的识别.
科学领域:
- 计算生物学是一种计算生物学.
- 免疫信息学是指免疫信息学.
- 癌症研究 癌症研究
背景情况:
- 新抗原对于癌症免疫疗法至关重要,它们源于体质突变,由人类白细胞抗原 (HLA) 呈现给T细胞.
- 目前用于识别免疫性新抗原的生物信息学方法缺乏令人满意的准确性.
- -HLA I类 (pHLA-I) 复杂的表面和结构特征为新抗原免疫性提供了关键的见解.
研究的目的:
- 开发一个准确的深度学习框架来预测免疫新抗原.
- 利用pHLA-I复合体的结构和表面特征来改善新抗原的识别.
- 促进开发有效的癌症免疫疗法.
主要方法:
- 开发了NeoaPred,这是一个用于预测新抗原的深度学习框架.
- 精确构建的pHLA-I复合结构,其中82.37%的RMSD<1年.
- 突变型与野生型的综合表面,结构和原子组特征,以计算异性得分.
主要成果:
- 在测试组件上,NeoaPred实现了0.81的接收器操作特征曲线 (AUROC) 下面的面积和0.54的精度回忆曲线 (AUPRC) 下面的面积.
- 异性得分有效预测了新抗原免疫性.
- 超过现有的新抗原预测方法.
结论:
- 在新抗原预测准确度方面,NeoaPred提供了显著的进步.
- 该框架模拟pHLA-I复合体和整合特征差异的能力是其性能的关键.
- NeoaPred有可能加速个性化癌症免疫疗法的开发.
