用于预测肽段与MHC-II类分子相互作用的反式等位基因模型
定量方法
2017-12-05 v1 生物大分子
基因组学
机器学习
摘要
主要组织相容性复合体二类（MHC-II）分子是跨膜蛋白，也是细胞免疫系统的关键组分。当辅助T细胞识别表达于MHC-II结合沟中的外来肽段时，会针对入侵病原体发起免疫应答。因此，机制性地识别并了解支配肽段与MHC-II分子间相互作用的理化特征，有助于设计有效的基于表位的疫苗，并理解免疫应答。在本文中，我们提出一个全面的反式等位基因预测模型，它是我们先前生物物理模型的推广版本，可利用肽段序列数据和MHC-II分子的结构信息，预测所有三个人类MHC-II基因座（HLA-DR、HLA-DP和HLA-DQ）的肽段相互作用。该方法相较于其他机器学习模型的优势在于，它为肽段-MHC-II相互作用提供了简单且合理的物理解释。我们使用基准实验数据集训练模型，并用新数据衡量其预测性能。尽管相对简单，我们发现该模型具有与最先进方法相当的性能。聚焦于肽段-MHC结合的物理学基础，我们找到了先前关于某些结合口袋对结合能贡献的理论预测的支持证据。此外，我们发现HLA-DP的P4和P5结合口袋（先前未被视为主锚定位点）确实对结合能有着显著贡献。总之，结果表明我们的模型可作为预测肽段-MHC相互作用的替代方法的有用补充。
引用
@article{arxiv.1712.00351,
title = {Trans-allelic model for prediction of peptide:MHC-II interactions},
author = {A. M. Degoot and Faraimunashe Chirove and Wilfred Ndifon},
journal= {arXiv preprint arXiv:1712.00351},
year = {2017}
}