Bioinformatyka immunologiczna: Przewidywanie epitopów MHC klasy II

Skuteczne przewidywanie epitopów cz¿steczek kompleksu g¿ównego zgodno¿ci tkankowej (MHC) stanowi kluczowy etap w projektowaniu szczepionek genetycznych. Skuteczne przewidywanie epitopów MHC klasy II jest trudniejsze ni¿ w przypadku epitopów MHC klasy I ze wzgl¿du na otwarty rowek wi¿zania na obu ko¿cach cz¿steczek klasy II; struktura ta powoduje zmienn¿ d¿ugo¿¿ epitopów MHC klasy II i utrudnia wykrycie 9-merowego rdzenia wi¿zania. W niniejszej ksi¿¿ce przedstawili¿my nowatorski algorytm klasyfikacyjny s¿u¿¿cy do przewidywania epitopów MHC klasy II z wykorzystaniem techniki uczenia wielokrotnego. Separated Constructive Clustering Ensemble (SCCE) to nasza nowa wersja algorytmu Constructive Clustering Ensemble (CCE). SCCE ¿¿czy algorytm genetyczny, klasteryzacj¿ K-medoidów, uczenie zespo¿owe oraz maszyn¿ wektorów no¿nych w ramach koordynacji maj¿cej na celu przewidywanie epitopów MHC klasy II. SCCE zostäo przetestowane na czterech zestawach danych porównawczych i osi¿gn¿¿o ¿redni¿ dok¿adno¿¿ na poziomie 85%. Wyniki SCCE przewy¿szaj¿ wi¿kszo¿¿ najnowocze¿niejszych metod regresji. SCCE osi¿gn¿¿o te wyniki, wykorzystuj¿c wy¿¿cznie flagi wi¿zania i braku wi¿zania, bez konieczno¿ci stosowania danych regresji.

Pagina's: 116, Paperback, Wydawnictwo Nasza Wiedza