Overview

L'identification des peptides se liant au complexe majeur d'histocompatibilité (CMH) est une étape importante dans la sélection des candidats épitopes des lymphocytes T adaptés à une utilisation dans de nouveaux vaccins. La rainure de liaison de la molécule CMH de classe II est ouverte des deux côtés, ce qui permet une grande variabilité dans la longueur des peptides qui se lient à cette molécule et complique par conséquent la prédiction du motif central de liaison. Une approche computationnelle précise et efficace pour la prédiction de ces peptides peut réduire considérablement le temps et le coût nécessaires à la conception de nouveaux vaccins. EpiGASVM, une nouvelle approche pour la prédiction in silico des épitopes du CMH de classe II, a été développée en combinant des algorithmes génétiques et des machines à vecteurs de support. Neuf variantes d'EpiGASVM ont été appliquées à deux ensembles de données de référence à similarité réduite. La précision de la prédiction et l'aire sous la courbe caractéristique de fonctionnement du récepteur ont été calculées comme mesures de performance. La technique est comparée à certaines techniques de pointe dans ce domaine (par exemple ARB, SMM-Align, PROPRED, NN-Align). Les résultats montrent qu'EpiGASVM est une nouvelle technique prometteuse pour la résolution du problème de prédiction des épitopes MHC de classe II.

Full Product Details

9786209595493

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available