《MHC II類分子親和肽的高精度預測研究》是依託復旦大學，由朱山風擔任項目負責人的面上項目。
基本介紹
- 中文名：MHC II類分子親和肽的高精度預測研究
- 依託單位：復旦大學
- 項目類別：面上項目
- 項目負責人：朱山風
項目摘要,結題摘要,
項目摘要
準確預測MHC II類分子親和肽，一方面，在理論上有助於我們理清免疫識別與應答的基本機制；另一方面，在實際套用中，能夠幫助我們快速找到抗原表位，從而指導疫苗研製與藥物設計。本項目的主要目標是開發出MHC II類分子親和肽的高精度預測算法，為免疫學家與醫學工作者節約大量時間與金錢。本課題以MHC II類分子親和肽的預測作為研究對象，在機器學習的理論框架的指導下，設計基於多示例學習的算法解決親和肽長度不均一的問題，然後設計基於多任務學習的算法克服大量MHC II類分子缺乏訓練數據的困難，最後設計基於集成學習的算法有機融合基於不同信息（序列信息和結構信息）和各種技術（如ANN，SVM等）的預測模型，以提高預測精度。擬解決的科學問題包括：（1）如何為長度不均一的多肽設計等長的編碼或合適的核函式 (2)如何實現不同MHC II類分子訓練數據之間的知識共享（3）如何設計有效的集成預測框架。
結題摘要
MHC分子與抗原肽的綁定是T細胞介導的免疫應答中不可或缺的一步，起著至關重要的作用。MHC分子親和肽的精確預測對於免疫學家及醫學工作者意義重大。 一方面，在理論上有助於幫助我們理清免疫識別和免疫應答的基本機制；另一方面，在實際套用中能夠幫助我們找到抗原表位，從而指導表位疫苗和抗體藥物的快速研製。 MHC II類分子的多樣性，親和肽長度變化範圍大以及綁定核心的靈活性，使得MHCII親和肽的預測成為一個極具挑戰性的問題。本項目主要研究:(1)MHC II類分子親和肽特異性預測;(2)MHC II類分子親和肽非特異性預測（跨亞型預測）;(3)MHC II類分子親和肽的集成預測。在MHC II類分子親和肽特異性預測方面，在充分考慮目前各種預測方法的特點和問題本身的特殊性的基礎上，我們提出了了基於多示例學習的方法，MHC2MIL，和基於字元串核的方法，MHC2SK，來解決親和肽長度不均一的問題。MHC2MIL在DP、DQ標準數據集上預測效果好於目前最好的預測方法MHC2SK和NN-Align。在MHC II類分子親和肽非特異性預測方面，我們提出了基於打分矩陣的方法，TEPITOPEpan，和基於核方法的MHC2SKpan。TEPITOPEpan通過不同MHC分子在pocket之間的相似度來建立它們綁定特性的聯繫，而MHC2SKpan通過不同MHC分子偽序列之間的相似度來建立它們綁定特性的聯繫。TEPITOPEpan計算速度快，在配體、表位和綁定核心的預測上表現優異。另外，MHC2SKpan在多個數據集上表現出和目前最好的NetMHCIIpan-2.0相似或更優的性能。最後，我們進一步研究了多種集成學習的策略，開發了MetaMHCpan伺服器，集成多種預測方法如MHC2SKpan，TEPITOPEpan和MHC2MIL等，進一步提高預測性能。我們同時開發了多個線上伺服器，為生物醫學研究人員進行計算機輔助疫苗設計提供便利，降低生物實驗成本，在帶來巨大經濟效益的同時造福社會。
