論文の概要: Accelerating MHC-II Epitope Discovery via Multi-Scale Prediction in Antigen Presentation

• arxiv url: http://arxiv.org/abs/2512.14011v1
• Date: Tue, 16 Dec 2025 02:12:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.546586
• Title: Accelerating MHC-II Epitope Discovery via Multi-Scale Prediction in Antigen Presentation
• Title（参考訳）: 抗原提示におけるマルチスケール予測によるMHC-IIエピトープの加速
• Authors: Yue Wan, Jiayi Yuan, Zhiwei Feng, Xiaowei Jia,
• Abstract要約: 主要組織適合性複合体II(MHC-II)タンパク質によって提示される抗原は、免疫療法において重要な役割を担っている。 MHC-II抗原の研究は、その複雑な結合特異性と曖昧なモチーフパターンにより、はるかに多くの課題をもたらす。 本稿では,Immune Epitope Database(IEDB)などの公開資料から得られた,既存のペプチド-MHC-IIデータセットを拡張し,標準化するだけでなく,生物学的文脈を持つ新規な抗原-MHC-IIデータセットも紹介する。
• 参考スコア（独自算出の注目度）: 16.95876116653963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Antigenic epitope presented by major histocompatibility complex II (MHC-II) proteins plays an essential role in immunotherapy. However, compared to the more widely studied MHC-I in computational immunotherapy, the study of MHC-II antigenic epitope poses significantly more challenges due to its complex binding specificity and ambiguous motif patterns. Consequently, existing datasets for MHC-II interactions are smaller and less standardized than those available for MHC-I. To address these challenges, we present a well-curated dataset derived from the Immune Epitope Database (IEDB) and other public sources. It not only extends and standardizes existing peptide-MHC-II datasets, but also introduces a novel antigen-MHC-II dataset with richer biological context. Leveraging this dataset, we formulate three major machine learning (ML) tasks of peptide binding, peptide presentation, and antigen presentation, which progressively capture the broader biological processes within the MHC-II antigen presentation pathway. We further employ a multi-scale evaluation framework to benchmark existing models, along with a comprehensive analysis over various modeling designs to this problem with a modular framework. Overall, this work serves as a valuable resource for advancing computational immunotherapy, providing a foundation for future research in ML guided epitope discovery and predictive modeling of immune responses.
• Abstract（参考訳）: 主要組織適合性複合体II(MHC-II)タンパク質が発現する抗原エピトープは免疫療法において重要な役割を担っている。 しかし、計算免疫療法においてより広く研究されているMHC-Iと比較して、MHC-II抗原エピトープの研究は、その複雑な結合特異性と曖昧なモチーフパターンにより、はるかに多くの課題を引き起こす。 したがって、MHC-II相互作用のための既存のデータセットは、MHC-Iで利用可能なデータセットよりも小さく、標準化されていない。 これらの課題に対処するために、Immune Epitope Database(IEDB)および他の公開ソースから導かれた、よく計算されたデータセットを提案する。 既存のペプチド-MHC-IIデータセットを拡張し、標準化するだけでなく、より豊かな生物学的文脈を持つ新しい抗原-MHC-IIデータセットも導入する。 このデータセットを利用して、ペプチド結合、ペプチド提示、抗原提示の3つの主要な機械学習タスクを定式化し、MHC-II抗原提示経路内の幅広い生物学的過程を段階的に捉える。 さらに、既存のモデルをベンチマークするためのマルチスケール評価フレームワークと、モジュラーフレームワークによるこの問題に対する様々なモデリング設計に関する包括的な分析を採用しています。 全体として、この研究は、計算免疫療法を進めるための貴重な資源となり、ML誘導エピトープ発見および免疫応答の予測モデリングにおける将来の研究の基礎となる。

関連論文リスト

• A Machine Learning Framework for Pathway-Driven Therapeutic Target Discovery in Metabolic Disorders [1.41678086736482]
  本研究では,遺伝子に依存しない経路マッピングと予測モデリングを統合し,リスクの高い個人を特定する新しい機械学習(ML)フレームワークを提案する。 ピマ・インディアンのデータセットを用いて、T2DMの重要な予測因子を特定するためにロジスティック回帰とt-testを適用し、全体のモデル精度は78.43%となった。
  論文  参考訳（メタデータ） (2025-09-14T19:29:52Z)
• Enhancing TCR-Peptide Interaction Prediction with Pretrained Language Models and Molecular Representations [0.39945675027960637]
  本稿では,大規模タンパク質言語モデルとペプチドの化学表現を組み合わせたディープラーニングフレームワークLANTERNを提案する。 我々のモデルは、特にゼロショットと少数ショットの学習シナリオにおいて、優れたパフォーマンスを示す。 これらの結果は, LANTERNがTCR-pMHC結合予測を前進させ, パーソナライズされた免疫療法の開発を支援する可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-04-22T20:22:34Z)
• Harnessing Preference Optimisation in Protein LMs for Hit Maturation in Cell Therapy [0.5315454965484603]
  細胞と免疫療法は、免疫系を調節することにより、がんや自己免疫疾患などの疾患を治療するための形質転換能を提供する。 これらの治療法の開発は資源集約的であり、薬物候補の大多数は実験室での試験以上の進歩に失敗している。 近年の機械学習の進歩は、タンパク質工学などの領域に革命をもたらし、大規模で標準化されたデータセットの不足や細胞系の複雑さにより、免疫療法の応用は制限され続けている。
  論文  参考訳（メタデータ） (2024-12-02T11:21:58Z)
• Generalizing AI-driven Assessment of Immunohistochemistry across Immunostains and Cancer Types: A Universal Immunohistochemistry Analyzer [12.164507399614347]
  We developed a Universal IHC analysisr, a AI model for interpremeing IHC images regardless of tumor or IHC types。 このマルチコホート訓練モデルは、目に見えないIHCの解釈において、従来のシングルコホートモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-07-30T08:39:30Z)
• Quantifying & Modeling Multimodal Interactions: An Information Decomposition Framework [89.8609061423685]
  本稿では,入力モーダル性と出力タスクを関連付けた冗長性,特異性,シナジーの度合いを定量化する情報理論手法を提案する。 PID推定を検証するために、PIDが知られている合成データセットと大規模マルチモーダルベンチマークの両方で広範な実験を行う。 本研究では,(1)マルチモーダルデータセット内の相互作用の定量化,(2)マルチモーダルモデルで捉えた相互作用の定量化,(3)モデル選択の原理的アプローチ,(4)実世界のケーススタディの3つにその有用性を示す。
  論文  参考訳（メタデータ） (2023-02-23T18:59:05Z)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)
• A robust kernel machine regression towards biomarker selection in multi-omics datasets of osteoporosis for drug discovery [2.2897244874280043]
  本稿では,ロバスト・カーネル・マシン・レグレッション(RobMR)を提案する。 実験により, 提案手法は骨粗しょう症の関連因子を効果的に同定することを示した。 提案手法は、利用可能なあらゆる疾患モデルマルチオミクスデータセットに適用できる。
  論文  参考訳（メタデータ） (2022-01-13T16:39:46Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)

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。