通过转移学习和结构特征改善了CD8+表位的预测
Jonas Birkelund Nilsson1, Jason Greenbaum2, Bjoern Peters2,3
1Department of Health Technology, Technical University of Denmark, Lyngby, Denmark.
Frontiers in immunology
|August 25, 2025
概括
预测CD8+T细胞表位对于疫苗和免疫治疗至关重要. 结合结构数据的增强MHC-I预测器可以改善预测,但转移学习提供了适度的收益,显示癌症和病原体表征之间的转移性有限.
科学领域:
- 免疫学
- 计算生物学
- 生物信息学
背景情况:
- 准确预测CD8+T细胞表位是开发有效疫苗和免疫疗法的关键.
- 传统的表位预测依赖于MHC表现和免疫组数据.
- 最近的进展表明转移学习可以提高预测准确性.
研究的目的:
- 开发一种增强的MHC类I (MHC-I) 抗原呈现预测剂.
- 整合新的结构特征和扩大MHC等位基因覆盖范围.
- 通过精选的数据集评估转移学习对表位预测的影响.
主要方法:
- 开发了一种增强的MHC-I预测器,包含结合亲和力和解解联体数据.
- MHC-I结裂的综合结构特征
- 使用实验验证的病原体和癌症衍生的表位物进行应用转移学习.
主要成果:
- 整合结构特征提高了预测能力,并确定了关键的-MHC相互作用.
- 精细调整以表位数据提供了微小的准确性提升.
- 在癌症和病原体衍生的表位之间观察到有限的可转移性,表明不同的数据特征.
结论:
- 转移学习可以增强T细胞表位预测,但收益是适度和数据特异性的.
- 开发的NetMHCpan-4.2模型为免疫学研究和治疗开发提供了宝贵的资源.
- 在https://services.healthtech.dtu.dk/services/NetMHCpan-4.2上提供公开的模型.
