論文の概要: TripHLApan: predicting HLA molecules binding peptides based on triple
coding matrix and transfer learning
- arxiv url: http://arxiv.org/abs/2208.04314v1
- Date: Sat, 6 Aug 2022 10:21:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-10 13:08:24.561885
- Title: TripHLApan: predicting HLA molecules binding peptides based on triple
coding matrix and transfer learning
- Title（参考訳）: TripHLApan:トリプルコーディングマトリックスと転写学習に基づくHLA分子結合ペプチドの予測
- Authors: Meng Wang, Chuqi Lei, Jianxin Wang, Yaohang Li and Min Li
- Abstract要約: TripHLApanはHLA分子ペプチド結合予測のためのパン特異的予測モデルである。
TripHLApanは、3重符号化行列、BiGRU+アテンションモデル、転送学習戦略を統合することで、強力な予測能力を示す。
- 参考スコア（独自算出の注目度）: 17.7729971436063
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human leukocyte antigen (HLA) is an important molecule family in the field of
human immunity, which recognizes foreign threats and triggers immune responses
by presenting peptides to T cells. In recent years, the synthesis of tumor
vaccines to induce specific immune responses has become the forefront of cancer
treatment. Computationally modeling the binding patterns between peptide and
HLA can greatly accelerate the development of tumor vaccines. However, most of
the prediction methods performance is very limited and they cannot fully take
advantage of the analysis of existing biological knowledge as the basis of
modeling. In this paper, we propose TripHLApan, a novel pan-specific prediction
model, for HLA molecular peptide binding prediction. TripHLApan exhibits
powerful prediction ability by integrating triple coding matrix, BiGRU +
Attention models, and transfer learning strategy. The comprehensive evaluations
demonstrate the effectiveness of TripHLApan in predicting HLA-I and HLA-II
peptide binding in different test environments. The predictive power of HLA-I
is further demonstrated in the latest data set. In addition, we show that
TripHLApan has strong binding reconstitution ability in the samples of a
melanoma patient. In conclusion, TripHLApan is a powerful tool for predicting
the binding of HLA-I and HLA-II molecular peptides for the synthesis of tumor
vaccines.
- Abstract（参考訳）: ヒト白血球抗原(HLA)は、ヒト免疫領域において重要な分子ファミリーであり、外部の脅威を認識し、T細胞にペプチドを提示することで免疫応答を誘導する。
近年では、特定の免疫応答を誘導する腫瘍ワクチンの合成ががん治療の最前線となっている。
ペプチドとhlaの結合パターンを計算的にモデル化することで、腫瘍ワクチンの開発を大いに加速することができる。
しかし,ほとんどの予測手法の性能は極めて限定的であり,モデリングの基盤として既存の生物学的知識の分析を十分に活用することはできない。
本稿では,HLA分子ペプチド結合予測のためのパン特異的予測モデルTripHLApanを提案する。
TripHLApanは、3重符号化行列、BiGRU+アテンションモデル、転送学習戦略を統合することで、強力な予測能力を示す。
総合的な評価は、異なる試験環境でHLA-IおよびHLA-IIペプチド結合を予測するTripHLApanの有効性を示す。
HLA-Iの予測力は、最新のデータセットでさらに実証される。
また,トリプラパンはメラノーマ患者の試料中に強い結合再構成能を有することが示された。
結論として、TripHLApanは腫瘍ワクチンの合成のためのHLA-IおよびHLA-II分子ペプチドの結合を予測する強力なツールである。
関連論文リスト
- Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。
RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
論文 参考訳（メタデータ） (2024-07-17T07:44:18Z) - Topology-enhanced machine learning model (Top-ML) for anticancer peptide prediction [0.0]
抗がんペプチド予測のためのトポロジー強化機械学習モデル(Top-ML)を提案する。
我々のTop-MLモデルは、広く使われている2つのAntiCP 2.0ベンチマークデータセットで検証され、最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2024-07-12T04:04:54Z) - Accurate Prediction of Ligand-Protein Interaction Affinities with Fine-Tuned Small Language Models [0.0]
SLMによるリガンド-タンパク質相互作用(LPI)の精度予測について述べる。
本研究は,機械学習(ML)と自由エネルギー摂動(FEP+)に基づく手法よりも,LPI親和性の範囲を正確に予測できることを示す。
論文 参考訳（メタデータ） (2024-06-27T13:04:58Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - A unified cross-attention model for predicting antigen binding specificity to both HLA and TCR molecules [4.501817929699959]
抗原とHLA-I/TCR分子との結合親和性は抗原提示とT細胞活性化に重要な役割を果たしている。
いくつかの計算手法は、抗原-HLAまたは抗原-TCR結合特異性を予測するために開発されたが、それらは一度に1つのタスクだけに焦点を当てている。
我々は,HLA分子とTCR分子の両方への抗原の結合を同時に予測するために,一貫したクロスアテンショントランスフォーマーモデルUnifyImmunを提案する。
論文 参考訳（メタデータ） (2024-04-08T08:25:25Z) - Efficient Prediction of Peptide Self-assembly through Sequential and
Graphical Encoding [57.89530563948755]
この研究は、高度なディープラーニングモデルを用いたペプチドエンコーディングのベンチマーク分析を提供する。
等電点や水和自由エネルギーなど、幅広いペプチド関連予測のガイドとして機能する。
論文 参考訳（メタデータ） (2023-07-17T00:43:33Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-12-16T13:57:41Z) - Improved proteasomal cleavage prediction with positive-unlabeled
learning [0.9023847175654603]
本稿では,拡張データセットと正の未ラベル学習のソリッド理論スペクトロメトリを用いて学習した新しい予測器を提案する。
改良された予測能力により、より正確なワクチン開発が可能になる。
論文 参考訳（メタデータ） (2022-09-14T11:29:15Z) - Improved Drug-target Interaction Prediction with Intermolecular Graph
Transformer [98.8319016075089]
本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。
分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。
IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
論文 参考訳（メタデータ） (2021-10-14T13:28:02Z) - PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with
conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。
タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-27T11:30:15Z) - CogMol: Target-Specific and Selective Drug Design for COVID-19 Using
Deep Generative Models [74.58583689523999]
新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。
CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。
CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
論文 参考訳（メタデータ） (2020-04-02T18:17:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。