基于深度神经网络的 B 细胞表抗原预测：通过机器学习增强新冠和 SARS 疫苗设计
机器学习
2024-12-03 v1 计算工程、金融与科学
生物大分子
机器学习
摘要
准确预测 B 细胞表抗原对于指导针对 SARS 和 COVID-19 等传染病的疫苗开发至关重要。本研究探索使用深度神经网络（DNN）模型预测 SARS 和 SARS-CoV-2 的 B 细胞表抗原，利用包含必需蛋白质和肽特征的数据集。传统的序列方法常在大规模复杂数据集上难以实现高预测准确率，但深度学习在提升预测精度方面展现了前景。我们的模型采用Dropout和早停等正则化技术以增强泛化能力，同时分析影响表抗原识别的关键特征，包括等电点和芳香性。结果表明，在预测 COVID-19 阳性和阴性病例方面，整体准确率达到82%，在检测阳性样本方面仍有提升空间。该研究表明深度学习在表抗原图谱中的应用是可行的，表明此类方法可以增强针对新出现的病原体的疫苗设计速度和精度。未来工作可纳入结构数据和多样化病毒株，以进一步细化预测能力。
引用
@article{arxiv.2412.00109,
title = {Deep Neural Network-Based Prediction of B-Cell Epitopes for SARS-CoV and SARS-CoV-2: Enhancing Vaccine Design through Machine Learning},
author = {Xinyu Shi and Yixin Tao and Shih-Chi Lin},
journal= {arXiv preprint arXiv:2412.00109},
year = {2024}
}