检索历史 清除

摘要在脊椎动物中，T细胞识别主要组织相容性复合物（MHC）结合的抗原多肽是免疫监督过程中的关键一步。为了辅助疫苗设计，我们需要知道大量MHC结合多肽，但通过实验方法来识别MHC配体既费时间，花费又高，几乎不可能运用于大规模的肽段筛选。为此，计算机预测方法运用到此领域来减少需要用实验证实的候选结合抗原的数量，本文旨在利用合理的编码方法来提高SVM建模预报的准确率，来更有效的识别MHC结合多肽。 编码技术的研究有利于知识的提取，合理的编码方法可以提高模型预报的准确率。现在虽然已经有了一系列传统的编码方法，但在MHC结合多肽识别这个问题上，这些编码方法并没有提取MHC受体蛋白与结合多肽相互作用的信息。 本论文提出了一种新的编码方法，称为：环境编码。该编码体现了MHC受体和抗原多肽之间氨基酸与氨基酸的相互作用。本文的研究对象是Bjoern Peters等人于2006年公布的一个大规模Ⅰ类MHC多肽实验数据集，运用5种传统的编码方法：正交编码、物理特征值编码、广义疏水值编码、PAM-120、BLOSUM-45以及本文提出的环境编码，以SVM为建模工具进行5-fold交叉验证。预报结果表明，环境编码方法建模预报的准确率较传统编码方法的准确率提高了2～3个百分点，而且该方法建立的模型具有更好的稳定性。将以上6种编码方法取得的结果作为变量，再一次进入SVM建立模型。发现双层SVM模型并没有使预报结果提高，可能是因为环境编码方法已经充分体现了多肽的信息，其它编码方法在模型的建立中并没有起到明显的正面作用。最后，本论文将环境编码应用于多种型别的MHC结合多肽的预测当中，并与网上公开的一些MHC配体识别工具的预报结果进行了比较。发现环境编码建立的SVM模型在多数情况下，预报结果好于现有网络预测工具。