Overview

L'identificazione dei peptidi leganti il complesso maggiore di istocompatibilità (MHC) è un passo importante nella selezione dei candidati epitopi delle cellule T adatti all'uso nei nuovi vaccini. La scanalatura di legame della molecola MHC di classe II è aperta su entrambi i lati, il che consente un'elevata variabilità nella lunghezza dei peptidi che si legano a questa molecola e, di conseguenza, complica la previsione del motivo centrale di legame. Un approccio computazionale accurato ed efficiente per la previsione di tali peptidi può ridurre notevolmente il tempo e i costi necessari per la progettazione di nuovi vaccini. EpiGASVM, un nuovo approccio per la previsione in silico degli epitopi MHC di classe II, è stato sviluppato combinando algoritmi genetici e macchine a vettori di supporto. Nove varianti di EpiGASVM sono state applicate a due set di dati di riferimento a similarità ridotta. L'accuratezza della previsione e l'area sotto la curva caratteristica operativa del ricevitore sono state calcolate come misure di prestazione. La tecnica è stata confrontata con alcune tecniche all'avanguardia in questo settore (ad esempio ARB, SMM-Align, PROPRED, NN-Align). I risultati mostrano che EpiGASVM è una nuova tecnica promettente per la soluzione del problema della previsione degli epitopi MHC di classe II.

Full Product Details

9786209598050

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available