Immunoinformatyka: Nowa technika przewidywania epitopów MHC klasy II
Uitgelicht
|
60,90 |
Naar shop
|
|
60,90 |
Naar shop
|
|
66,99 |
Naar shop
|
Beschrijving
Bol
Identyfikacja peptydów wi¿¿¿cych si¿ z g¿ównym kompleksem zgodno¿ci tkankowej (MHC) jest wänym krokiem w wyborze kandydatów na epitopy komórek T, które nadaj¿ si¿ do wykorzystania w nowych szczepionkach. Rowek wi¿zania cz¿steczki MHC klasy II jest otwarty po obu stronach, co pozwala na du¿¿ zmienno¿¿ d¿ugo¿ci peptydów wi¿¿¿cych si¿ z t¿ cz¿steczk¿, a w konsekwencji utrudnia przewidywanie motywu rdzenia wi¿zania. Dok¿adne i wydajne podej¿cie obliczeniowe do przewidywania takich peptydów mo¿e znacznie skróci¿ czas i obni¿y¿ koszty zwi¿zane z projektowaniem nowych szczepionek. EpiGASVM, nowe podej¿cie do komputerowego przewidywania epitopów MHC klasy II, zostäo opracowane poprzez po¿¿czenie algorytmów genetycznych i maszyn wektorów no¿nych. Dziewi¿¿ wariantów EpiGASVM zastosowano do dwóch zestawów danych porównawczych o zmniejszonym podobie¿stwie. Dok¿adno¿¿ przewidywania i obszar pod krzyw¿ charakterystyki operacyjnej odbiornika zostäy obliczone jako miary wydajno¿ci. Technika ta zostäa porównana z niektórymi najnowocze¿niejszymi technikami w tej dziedzinie (np. ARB, SMM-Align, PROPRED, NN-Align). Wyniki pokazuj¿, ¿e EpiGASVM jest obiecuj¿c¿ now¿ technik¿ rozwi¿zywania problemu przewidywania epitopów MHC klasy II.
Identyfikacja peptydów wi¿¿¿cych si¿ z g¿ównym kompleksem zgodno¿ci tkankowej (MHC) jest wänym krokiem w wyborze kandydatów na epitopy komórek T, które nadaj¿ si¿ do wykorzystania w nowych szczepionkach. Rowek wi¿zania cz¿steczki MHC klasy II jest otwarty po obu stronach, co pozwala na du¿¿ zmienno¿¿ d¿ugo¿ci peptydów wi¿¿¿cych si¿ z t¿ cz¿steczk¿, a w konsekwencji utrudnia przewidywanie motywu rdzenia wi¿zania. Dok¿adne i wydajne podej¿cie obliczeniowe do przewidywania takich peptydów mo¿e znacznie skróci¿ czas i obni¿y¿ koszty zwi¿zane z projektowaniem nowych szczepionek. EpiGASVM, nowe podej¿cie do komputerowego przewidywania epitopów MHC klasy II, zostäo opracowane poprzez po¿¿czenie algorytmów genetycznych i maszyn wektorów no¿nych. Dziewi¿¿ wariantów EpiGASVM zastosowano do dwóch zestawów danych porównawczych o zmniejszonym podobie¿stwie. Dok¿adno¿¿ przewidywania i obszar pod krzyw¿ charakterystyki operacyjnej odbiornika zostäy obliczone jako miary wydajno¿ci. Technika ta zostäa porównana z niektórymi najnowocze¿niejszymi technikami w tej dziedzinie (np. ARB, SMM-Align, PROPRED, NN-Align). Wyniki pokazuj¿, ¿e EpiGASVM jest obiecuj¿c¿ now¿ technik¿ rozwi¿zywania problemu przewidywania epitopów MHC klasy II.
AmazonPagina's: 92, Paperback, Wydawnictwo Nasza Wiedza
Prijshistorie
* Prijshistorie bevat geen data van Amazon, Amazon Marketplace.
Prijzen voor het laatst bijgewerkt op: