用循环神经网络预测SARS-CoV-2肽与主要组织相容性复合体的结合
定量方法
2021-04-19 v1 机器学习
摘要
用机器学习预测病毒肽与主要组织相容性复合体的结合，有可能扩展疫苗开发的计算免疫学工具包，并作为抗击大流行的一个关键组成部分。在这项工作中，我们调整并扩展了USMPep——一种最近提出的、概念简单的基于循环神经网络的预测算法。最值得注意的是，我们结合了来自定性不同数据源的回归器(结合亲和力数据)和分类器(质谱数据)，以获得更全面的预测工具。我们在一个最近发布的带有结合稳定性测量的SARS-CoV-2数据集上评估了性能。USMPep不仅在选定的单等位基因上设立了新基准，而且一致地表现为性能最佳的方法之一，或在某些指标上甚至是该任务中总体最佳的方法。
引用
@article{arxiv.2104.08237,
title = {Predicting the Binding of SARS-CoV-2 Peptides to the Major Histocompatibility Complex with Recurrent Neural Networks},
author = {Johanna Vielhaben and Markus Wenzel and Eva Weicken and Nils Strodthoff},
journal= {arXiv preprint arXiv:2104.08237},
year = {2021}
}
备注
Accepted at ICLR 2021 Workshop: Machine Learning for Preventing and Combating Pandemics; code available at https://github.com/nstrodt/USMPep