PAPreC:一种针对细菌的抗原性预测比较方法的管道
Yasmmin C Martins1,2, Maiana O Cerqueira E Costa1, Miranda C Palumbo2
1Bioinformatics Laboratory, National Laboratory for Scientific Computing, Av. Getúlio Vargas 333, 25651-075 Petrópolis, Brazil.
ACS omega
|February 24, 2025
概括
这项研究介绍了PApreC,这是一种灵活的管道,用于疫苗开发中的抗原性预测. PAPreC通过比较数据集,特征提取方法和分类器来提高预测准确性,改善基于抗体的治疗和诊断.
科学领域:
- * 生物信息学和计算生物学
- * 免疫学和疫苗学
- * 生命科学中的机器学习
背景情况:
- *抗原性预测对于疫苗,抗体疗法和诊断试验开发至关重要.
- *现有的方法在数据约束,特征提取和模型评估方面存在局限性.
- * 需要多功能和强大的工具来准确地预测抗原性.
研究的目的:
- * 介绍PAPreC (抗原性预测比较管道),这是一个用于抗原性预测的开源工作流.
- *系统地评估训练数据集,特征提取方法和分类器.
- * 提供自动化模型评估,可解释性和适用性领域评估.
主要方法:
- * PAPreC的工作流系统地分析训练数据,特征提取 (物理化学描述符,ESM-2嵌入) 和分类器.
- * 实现自动化模型评估和夏普利添加式解释 (SHAP) 解释性.
- * 评估适用性领域,以指导最佳模型配置选择.
主要成果:
- * PAPreC使用IEDB数据证明了ESKAPE病原体组的有效性.
- *ESM-2嵌入在抗原性预测中显著提高了模型性能.
- * 对于不同的序列类型,特定的特征配置是最佳的;对于格拉姆阳性和格拉姆阴性细菌,不需要单独的模型.
结论:
- * PAPreC为抗原性预测提供了一个全面,可适应和强大的框架.
- * 该管道简化并改善了对各种细菌数据集的预测.
- *研究结果支持ESM-2嵌入的使用,并建议统一的模型用于细菌抗原性预测.
更多相关视频
13:49Semi-automated Biopanning of Bacterial Display Libraries for Peptide Affinity Reagent Discovery and Analysis of Resulting Isolates
Published on: December 6, 2017
11.4K
08:03Heuristic Mining of Hierarchical Genotypes and Accessory Genome Loci in Bacterial Populations
Published on: December 7, 2021
2.0K
