TCellR2Vec:用于癌症分类的TCR序列的高效特征选择
Zahra Tayebi1, Sarwan Ali1, Murray Patterson1
1Computer Science, Georgia State University, Atlanta, GA, United States of America.
PeerJ. Computer science
|December 9, 2024
概括
一种新的计算方法,TCellR2Vec,有效地分析T细胞受体序列来分类癌症类型. 这一进步有助于开发个性化免疫疗法,改善了对癌症患者免疫反应的理解.
科学领域:
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
背景情况:
- 癌症免疫疗法利用患者的免疫系统对抗癌症.
- 分析T细胞受体 (TCR) 序列多样性对于理解癌症免疫反应至关重要.
- 从复杂的TCR序列中提取有意义的见解是一个重大的计算挑战.
研究的目的:
- 开发一种新的计算方法,TCellR2Vec,用于从TCR序列中选择特征.
- 根据TCR序列数据,提高不同癌症类型的分类准确性和效率.
- 改进针对个性化癌症治疗开发的免疫反应的计算分析.
主要方法:
- TCellR2Vec是为了从TCR序列中提取关键特征而开发的,包括氨基酸组成,电荷和多样性.
- 序列嵌入技术与提取的特征集成.
- 来自五种癌症类型的5万多个TCR序列的数据集被用于实验验证.
主要成果:
- 与基线方法相比,TCellR2Vec显示了较好的分类准确性.
- 该方法在分析TCR序列数据方面表现出更高的效率.
- TCellR2Vec有效地捕获了复杂的TCR序列的信息方面.
结论:
- TCellR2Vec提供了一种强大的计算工具,用于分析癌症中的TCR序列.
- 该方法有可能在开发个性化免疫疗法方面发挥重要作用.
- 改善免疫反应的计算分析可以导致更有效的,个性化的癌症治疗.
