机器学习应用程序用于预测含有非正规氨基酸的和HLA-A0201之间的结合亲和力
Shan Jiang1, Zhaoqian Su1, Nathaniel Bloodworth2
1Department of Chemistry and Center for Structural Biology, Vanderbilt University, Nashville, Tennessee, United States of America.
PloS one
|June 27, 2025
概括
我们开发了一种机器学习工具,以预测非正规氨基酸 (NCAAs) 与I类主要基因相容性复合体 (MHC-I) 的结合程度. 这推动了新疗法的设计,提高了疗效.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 第I类主要基因相容性复合体 (MHC-I) 在核细胞上呈现,以激活CD8+ T细胞.
- 的免疫性与与MHC-I结合槽的结合亲和关系相关.
- 现有的预测工具缺乏处理非正规氨基酸 (NCAAs) 或翻译后修改的能力.
研究的目的:
- 开发和评估一种机器学习应用程序,用于预测含有NCAA的的MHC-I结合亲和力.
- 将拟议模型的性能与常用的回归方法进行比较.
- 为NCAAs含的计算设计和优化提供一个工具.
主要方法:
- 开发一种机器学习模型来量化绑定亲和力.
- 在预测中包含明确标记的翻译后修改和NCAAs.
- 使用5倍交叉验证,R2和RMSE指标进行性能评估.
主要成果:
- 拟议的机器学习模型表现出强大的性能.
- 通过5倍的交叉验证,R2值为0.477和RMSE值为0.735.
- 该模型显示了含有NCAAs的的强有力的预测能力.
结论:
- 开发的机器学习应用程序准确地预测了MHC-I与NCAAs结合的结合亲和力.
- 这种工具对于包含NCAAs的的计算设计和优化非常有价值.
- 这些发现可以加速开发具有增强性质的基于的新型治疗方法.
更多相关视频
09:32Immunopeptidomics: Isolation of Mouse and Human MHC Class I- and II-Associated Peptides for Mass Spectrometry Analysis
Published on: October 15, 2021
13.0K
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
2.0K
