BLMPred:使用预训练的蛋白质语言模型和机器学习预测线性B细胞表位
Barnali Das1, Dmitrij Frishman1
1Department of Bioinformatics, School of Life Sciences, Technical University of Munich, Freising, Germany.
Computational and structural biotechnology journal
|January 15, 2026
概括
BLMPred使用蛋白质语言模型准确地识别了线性B细胞表位. 这种计算工具有助于开发诊断和疫苗,通过从主要蛋白质序列预测抗体表位.
科学领域:
- 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:
- B细胞表位是免疫反应的关键,对诊断,疫苗和免疫治疗至关重要.
- 实验性表位标识是昂贵和缓慢的,需要高效的计算方法.
研究的目的:
- 介绍BLMPred,这是一种用于预测线性B细胞表位的新型计算工具.
- 为了利用蛋白质语言模型嵌入,在没有3D结构的情况下进行表位预测.
主要方法:
- BLMPred采用基于序列的方法,使用预训练的蛋白质语言模型嵌入.
- 它作为二进制分类器来预测序列中的表位素存在.
- 该方法从主要的氨基酸序列中获得本地和全球蛋白质结构特征.
主要成果:
- 与独立数据集上的现有工具相比,BLMPred表现出优越的性能.
- 该工具仅基于序列信息准确预测线性B细胞表位.
- 预测不需要依赖3D蛋白质结构.
结论:
- BLMPred提供了一种快速,准确和易于使用的B细胞表位预测方法.
- 该工具可以加速疫苗设计,抗体开发和诊断应用.
- 在https://github.com/bdbarnalidas/BLMPred.git免费提供,BLMPred支持进一步的研究和开发.
