DeepNeoAG:使用协同的深度学习模型从黑色素瘤抗原中预测新抗原表位,该模型结合了蛋白质语言模型和多窗口扫描卷积神经网络
Cheng-Che Chuang1, Yu-Chen Liu1, Yu-Yen Ou2
1Department of Computer Science and Engineering, Yuan Ze University, Chung-Li, 32003, Taiwan.
International journal of biological macromolecules
|October 4, 2024
概括
这项研究介绍了DeepNeoAG,这是一个新的深度学习模型,用于准确预测癌症新抗原. 这种工具有助于开发个性化癌症免疫疗法,通过识别瘤突变的关键标.
科学领域:
- 在瘤学瘤学.
- 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:
- 由瘤特异性突变产生的新抗原是抗瘤免疫反应的关键驱动因素.
- 有效的个性化癌症免疫疗法依赖于准确的新抗原识别.
- 当前的方法在全面分析突变格局时面临挑战.
研究的目的:
- 开发一个新的深度学习框架,DeepNeoAG,用于准确的新抗原预测.
- 整合全球和本地序列信息,以提供全面的蛋白质表示.
- 加强用于个性化癌症免疫治疗的新抗原的识别.
主要方法:
- 利用预训练的蛋白质语言模型 (PLMs) 来获得全球序列级信息.
- 采用多窗口扫描卷积神经网络 (CNN) 来查找基于本地序列的特征.
- 结合了PLM和CNN功能,创建了一个全面的蛋白质突变景观表示.
主要成果:
- 与现有方法相比,DeepNeoAG在新抗原预测方面表现优越.
- 该框架有效地捕捉了全球和本地序列特征,以提高准确性.
- 验证了该模型在加速个性化癌症免疫疗法开发方面的潜力.
结论:
- DeepNeoAG为准确的新抗原预测提供了一种强大的新方法.
- PLM和CNN的整合提供了对蛋白质突变的全面了解.
- 这一进步对未来的个性化癌症疫苗和治疗方法具有重大前景.
相关概念视频
00:42Cross-reactivity
34.0K
Overview
34.0K
01:26Antigens Involved in Adaptive Immunity
1.9K
An antigen is any substance the immune system identifies as foreign and potentially harmful to the body, prompting an immune response. Antigens have two functional properties: immunogenicity and reactivity. Immunogenicity is the ability of an antigen to stimulate a specific immune response. At the same time, reactivity describes the antigen's ability to react with the cells and antibodies produced in response to it.
Complete Antigens
Complete antigens possess both immunogenicity and...
Complete Antigens
Complete antigens possess both immunogenicity and...
1.9K